超声衍生脂肪分数无创定量肝脂肪变:一项前瞻性多中心研究
这项前瞻性多中心研究纳入790例疑似代谢功能障碍相关脂肪性肝病患者,评估超声衍生脂肪分数(UDFF)定量肝脂肪变的诊断准确性,建立并验证双阈值分类系统,并探讨其在BMI亚组中的风险分层效能。UDFF与三种参考标准均显著相关,在评估≥S1、≥S2和S3时AUC分别为0.933、0.948和0.914,高于HSI和FLI;在BMI≥23 kg/m²患者中,UDFF/HSI序贯策略将不确定病例比例从18.0%降至7.6%,阳性预测值达95.8%。
要点
- UDFF诊断≥S1、≥S2、S3的AUC分别为0.933、0.948、0.914,均高于HSI和FLI。
- UDFF双阈值:S1-3排除6%、纳入10%;S2-3排除12%、纳入18%;S3排除16%、纳入22%。
- BMI≥23 kg/m²者UDFF/HSI序贯策略将不确定率从18.0%降至7.6%,PPV达95.8%。
核心结论
- UDFF是定量肝脂肪变的高效无创工具,UDFF/HSI序贯使用可改善BMI≥23 kg/m²患者的肝脂肪变检出。
研究设计与样本
- 前瞻性多中心研究,纳入中国9个城市14家三级医院的790例疑似MASLD成人患者,随机按7:3分为衍生队列(n=553)和验证队列(n=237)。
- 参考标准为肝活检组织病理学(n=342)、MRI质子密度脂肪分数(MRI-PDFF,n=396)或质子磁共振波谱(1H-MRS,n=52)。
- UDFF使用Siemens Acuson Sequoia超声平台凸阵DAX探头,取5次测量中位数,于肝活检或MRI检查前1周内完成。
关键影像表现/征象
- UDFF与MRI-PDFF的Bland-Altman平均偏差为1.33%(95%CI 0.79–1.86),95%一致性界限为−9.32至11.97%。
- BMI<23 kg/m²组较BMI≥23 kg/m²组ICC略高(0.888 vs. 0.876),平均偏差更小(0.73% vs. 1.45%),一致性界限更窄(−5.95至7.41% vs. −9.82至12.73%)。
- 全部参与者UDFF中位数为14%,S0-S3级中位数分别为5%、12%、19%、27%(任意两级比较p<0.001)。
- 80例观察者间ICC为0.971(95%CI 0.955–0.981),两名观察者间无统计学差异(p=0.77);全部790例观察者内ICC为0.985(95%CI 0.984–0.987,p<0.001)。
诊断标准与关键数值
- 诊断≥S1:衍生队列AUROC 0.953(95%CI 0.927–0.972),验证队列0.933(95%CI 0.886–0.965);Youden指数切值8%,衍生队列敏感度85.4%、特异度89.0%,验证队列敏感度88.7%、特异度86.5%;排除和纳入切值分别为6%和10%。
- 诊断≥S2:衍生队列AUROC 0.902(95%CI 0.868–0.930),验证队列0.948(95%CI 0.904–0.976);Youden指数切值14%;敏感度≥90%和特异度≥90%的切值分别为12%和18%。
- 诊断S3:衍生队列AUROC 0.922(95%CI 0.891–0.947),验证队列0.914(95%CI 0.863–0.951);Youden指数最佳切值20%,敏感度81.5%、特异度86.3%;排除和纳入切值分别为16%和22%。
- BMI<23 kg/m²者UDFF≤6%排除脂肪变的NPV为92.9%,UDFF>10%纳入脂肪变的PPV为100%。
- BMI≥23 kg/m²者UDFF/HSI序贯策略总体PPV为95.8%,不确定比例从UDFF单用的18.0%降至7.6%。
临床应用与阅片要点
- UDFF检查约3分钟即可完成,可整合入常规超声工作流程,便于床旁评估。
- 检查时患者取仰卧位,探头经肋间置于右前肝叶,ROI避开主要血管,于中性屏气时测量,避免深吸气后屏气。
- BMI≥23 kg/m²患者UDFF值处于6%–10%不确定区时,可加用HSI高阈值36协助纳入脂肪变。
- BMI依赖性偏差和呼吸依赖性提示需在制定标准化操作指南时考虑UDFF的个体差异。
局限性
- 原文在讨论部分以「First,」起始列举局限性,但所提供节选在此处中断,后续局限性内容未给出。
全文中译16 节 · 点击展开
引言
肝脂肪变性以肝细胞内异常脂肪堆积为特征,是代谢功能障碍相关脂肪性肝病(MASLD)的常见表现 [1, 2]。早期准确诊断对于控制严重疾病的进展至关重要 [3, 4]。肝活检等传统方法具有侵入性和风险,凸显了对无创诊断替代方法的需求 [5, 6]。
利用血液检测和人口学资料开发的肝脂肪变性指数(HSI)和脂肪肝指数(FLI)等无创检测常用于诊断脂肪变性的存在,但它们对中度和重度脂肪变性的区分能力较差(AUROC 分别为 0.65 和 0.65)[2, 7],可能受到纤维化和炎症的混杂影响 [7],并且在肥胖和糖尿病患者中可能表现不佳 [8]。MRI 质子密度脂肪分数(MRI-PDFF)通过评估 MRI 体素中脂肪信号占总信号的比例来量化肝脏脂肪,被认为是一种优良的无创技术 [9, 10]。质子磁共振波谱(1H-MRS)通过分析脂肪信号峰精确量化肝脏脂肪,是公认的无创金标准 [11]。尽管 MRI-PDFF 和 ¹H-MRS 准确,但面临成本和可及性限制,推动了对替代无创方法的需求 [12, 13]。
虽然超声的可及性、安全性和经济性使其在肝脂肪变性筛查中具有关键地位,但 B 模式对轻度脂肪变性(> 0–5%)的敏感性有限(73.3%),且观察者间变异显著(观察者内 κ = 0.54,观察者间 0.43)[14]。定量超声的发展——其检测包括衰减系数(AC)、背散射系数(BSC)和声速在内的因素——带来了更精确的肝脏脂肪含量测量方法 [15, 16]。虽然大多数超声设备分析三个参数之一来估计肝脏脂肪含量,但超声衍生脂肪分数(UDFF)技术利用结合 AC 和 BSC 的算法 [17, 18]。UDFF 定量技术仍处于研究阶段,临床研究有限,样本量小且脂肪变性阈值不一致 [6, 16, 19]。最新的 WFUMB 指南将差异归因于缺乏标准化方案 [6],强调需要进一步研究以标准化和验证临床使用 [16]。
本多中心前瞻性研究旨在前瞻性评估 UDFF 在肝脂肪变性分期中的诊断准确性,建立并验证双阈值 UDFF 分类系统,并探讨其在体重指数(BMI)定义的亚组中进行风险分层的效能。
材料与方法
研究设计
这项多中心前瞻性研究纳入了来自中国九个城市的14家大型三级医院。研究经主要研究者所在医院的机构审查委员会批准(批准号:KY2023-056),在中国临床试验注册中心注册(注册号:ChiCTR2300069459,注册日期2023年3月17日,https://www.chictr.org.cn/showproj.html?proj=192742),并获得所有参与者的书面知情同意。从2023年4月至2024年11月,我们前瞻性纳入了疑似代谢功能障碍相关脂肪性肝病(MASLD)的成年参与者(年龄≥18岁)。MASLD的诊断标准根据新定义建立[1]:参与者基于脂肪变性确认(常规超声/活检)结合任何代谢异常(表S1)被诊断为MASLD。排除标准如下:(1)活检样本不合格的参与者,(2)MRI检查失败,(3)临床数据不完整,(4)其他慢性肝脏疾病病因(如药物性肝损伤、病毒性肝炎、自身免疫性肝病、血色病、女性每周酒精滥用超过140 g、男性超过210 g等)。病例按7:3的比例随机分配至推导队列和验证队列。推导队列(占总样本的70%)用于通过受试者工作特征(ROC)分析确定诊断阈值。该队列用于初步优化截断值并计算测试性能指标(如灵敏度、特异度),随后在独立队列(占总样本的30%)中进行验证以评估泛化能力。
所有参与者首先接受UDFF扫描,随后在7天内接受三种参考标准检查之一:活检肝组织病理学、MRI-PDFF或¹H-MRS。通过肝活检进行组织病理学确认应用于两组:(1)肥胖减重手术候选者,(2)肝功能异常患者,定义为不明原因的肝功能化学异常(如ALT/AST升高、高胆红素血症、低白蛋白血症或INR延长)。相比之下,使用MRI-PDFF/1H-MRS进行无创肝脏脂肪定量适用于(1)肝功能检查正常的个体,(2)有肝活检禁忌证(如凝血功能障碍、血小板减少症)或减重手术禁忌证(如严重心肺疾病)的个体。
UDFF检查
在这项多中心研究中,所有790名入组参与者均接受了UDFF检查。UDFF使用西门子Acuson Sequoia超声平台及凸阵DAX探头进行,于肝活检或MRI检查前1周内完成。参与者取仰卧位,探头通过肋间窗置于右肝前叶。将感兴趣区(ROI)框置于肝实质内,避开主要血管,ROI框上方的短线段与肝包膜重叠。测量在患者平静屏气时进行,避免深度Valsalva动作。收集五次UDFF采集的中位数进行分析(更详细的参数见补充材料)。连续五次UDFF测量的采集可在每位参与者中位时间3分钟内完成。为专门评估观察者间变异性,来自主要研究中心的80名连续招募的参与者亚组接受了两次盲法UDFF检查,分别由具有11年和4年肝脏超声经验的放射科医师独立完成。
MRI-PDFF操作流程
790名参与者中的396名使用3.0-T或1.5-T MRI扫描仪进行了MRI-PDFF检查,设备制造商包括GE Healthcare、Siemens Healthineers和Philips Healthcare。MRI-PDFF测量通过多回波梯度回波序列从右肝叶获取(更详细的参数见补充材料)。获取三次MRI-PDFF测量的中位数。MRI-PDFF诊断标准分为四级[20]:S0(< 5.75%)、S1(5.75–15.5%)、S2(15.5–21.35%)和S3(> 21.35%)。
MRS操作流程
790名参与者中的52名使用Siemens Avanto 1.5-T MR扫描仪接受了¹H-MRS检查。在操作过程中,参与者取仰卧位并进行呼吸训练以确保测量准确。将2 × 2 × 2 cm的体素置于右肝叶进行测量。脂肪峰(Signalfat)和水峰(Signalwater)的信号强度分别在1.4 ppm和4.8 ppm处测量。肝脏脂肪分数使用公式Signalfat/(Signalfat + Signalwater)× 100计算(更详细的参数见补充材料)。根据已报道的阈值[21–23]将肝脂肪变性分为S0至S3级:S0(< 5.56%)、S1(5.56%–12.7%)、S2(12.7%–18.9%)和S3(≥ 18.9%)。
肝活检
342名参与者在超声引导下使用16号针获取肝活检样本。脂肪变性根据标准化组织学NAFLD评分系统按含脂滴肝细胞的百分比进行分层[9, 24]:S0(< 5%)、S1(5%–33%)、S2(33%–66%)和S3(> 66%)。所有肝活检标本均由各参与中心的认证病理学家在当地进行分析。病理学家接受了强制性NAFLD评分系统培训和认证(对20份预选活检样本的一致性≥ 90%)。在研究期间,每个中心10%的病例被盲法重新评估(κ > 0.85)以保持诊断的严谨性。
人口统计学和实验室数据
收集人口学数据并进行实验室检查,包括肝功能检查、血清脂质水平、血糖水平等。无创检查HSI[25]和FLI[26]使用其既定公式计算。文献报道的HSI排除肝脂肪变性的低cutoff值和高cutoff值分别为30和36[7]。
统计分析
统计分析使用MedCalc软件(版本22;MedCalc Software)和SPSS(版本27;IBM)进行。缺失数据的比例见补充图S1,缺失值使用可用数据的中位数进行插补。组内相关系数(ICC)用于评估UDFF的组内和组间操作者可重复性[27]。UDFF与MRI-PDFF之间的一致性使用Bland–Altman方法定量,95%一致性界限(LOAs)由配对测量得出。无创方法的诊断性能通过ROC曲线下面积(AUROC)评估。分别计算Youden指数、灵敏度≥ 90%和特异度≥ 90%时的UDFF cutoff值。使用低cutoff值排除、高cutoff值纳入来评估检测性能,并确定不确定结果的比例。开发了纳入UDFF和HSI的BMI分层风险分层模型。BMI分类遵循亚洲特异性阈值:正常体重(< 23 kg/m2)和超重/肥胖(≥ 23 kg/m2),与WHO建议[28]和MASLD诊断标准[1]一致。
结果
参与者特征
在828例疑似MASLD患者中,38例被排除,原因包括肝活检标本不合格(n = 5)、临床数据不足(n = 2)、因过于肥胖无法进入MRI孔径而导致MRI检查失败(n = 6)以及合并其他原因肝病(n = 25),最终纳入790例患者(图1A)。研究随机将553名参与者分配至推导队列,237名参与者分配至验证队列。396名(50.1%)参与者以MRI-PDFF为参考标准,342名(43.3%)参与者以肝活检为参考标准,52名(6.6%)参与者以1H-MRS为参考标准(表S2)。基于MRI-PDFF、活检或1H-MRS,参与者被分为以下肝脂肪变性类别:S0(161例,20.3%)、S1(304例,38.4%)、S2(152例,19.2%)和S3(173例,21.8%)。推导队列与验证队列之间的人口学和基线特征均衡(表1)。UDFF检查的显示见图1B。
肝脂肪变性的单变量分析揭示了许多具有统计学意义的因素。在多变量分析中,UDFF(p < 0.001)和BMI(p = 0.003)被确定为肝脂肪变性的独立预测因素(OR分别为1.49和1.11)(表S3)。
UDFF与参考标准的相关性及UDFF的可重复性
UDFF与MRI-PDFF之间的Bland–Altman图显示平均偏倚为1.33%(95% CI,0.79–1.86),95%一致性界限(LOAs)范围为−9.32%至11.97%(图2A)。基于BMI的亚组分析显示细微差异。与BMI ≥ 23 kg/m²组相比,BMI < 23 kg/m²组的ICC略高(0.888 vs. 0.876),平均偏倚更小(0.73% vs. 1.45%),LOAs更窄(−5.95至7.41% vs. −9.82至12.73%),提示低BMI亚组的一致性更佳(表S4,图2B)。UDFF与MRI-PDFF之间的ICC为0.900(95% CI,0.878–0.918),Spearman相关系数为0.847(95% CI,0.817–0.873)(图2C)。UDFF与1H-MRS之间的ICC为0.856(95% CI,0.749–0.918),Spearman相关系数为0.819(95% CI,0.703–0.892)(图2D)。在接受肝活检的患者中,UDFF中位数随组织病理学定义的肝脂肪变性分级升高而增加(p < 0.05)(图2E),Spearman相关系数为0.798(95% CI,0.771–0.823,p < 0.001)。所有参与者的UDFF中位数为14%,四个脂肪变性分级S0-S3的中位数分别为5%、12%、19%和27%(任意两组比较p < 0.001)。小提琴图显示UDFF值从S0到S3明显升高(图2F)。
80例(推导队列58例,验证队列22例)的观察者间一致性显示ICC为0.971(95% CI,0.955–0.981),Wilcoxon配对符号秩检验显示两名观察者之间无统计学差异(p = 0.77)。全部790名参与者UDFF测量稳定性的观察者内一致性显示ICC为0.985(95% CI,0.984–0.987,p < 0.001)。
UDFF区分肝脂肪变性分级的诊断性能和阈值
S0 vs. S1-3
对于诊断肝脂肪变性 ≥ S1,UDFF在推导队列中达到高AUROC 0.953(95% CI,0.927–0.972),在验证队列中为0.933(95% CI,0.886–0.965)(表2,图3)。基于Youden指数的截断值为8%,推导队列敏感度为85.4%、特异度为89.0%,验证队列敏感度为88.7%、特异度为86.5%。排除和确认脂肪变性S1-3的低截断值和高截断值分别为6%和10%(表3)。在推导队列中,92例患者(16.6%,92/553)的UDFF值既不大于6%也不小于10%,将其归类为不确定区或称灰区。不确定区在验证队列中包括237例患者中的44例(18.6%)(表S5)。
S0-1 对比 S2-3
在诊断肝脂肪变性≥S2时,UDFF保持了较强的诊断性能,推导队列的AUROC为0.902(95% CI,0.868–0.930),验证队列为0.948(95% CI,0.904–0.976)(表2,图3)。对于评估S2-3,基于约登指数的截断值为14%,灵敏度和特异度均衡。灵敏度至少90%和特异度至少90%的截断值分别为12%和18%(表3)。两个队列中落在不确定范围内的患者数分别为120例(21.7%)和48例(20.3%)(表S5)。
S0-2 对比 S3
对于更严重的S3分级,UDFF继续领先,推导队列和验证队列的AUROC分别为0.922(95% CI,0.891–0.947)和0.914(95% CI,0.863–0.951)(表2,图3)。通过最大化约登指数得出最佳UDFF阈值为20%,灵敏度为81.5%、特异度为86.3%,二者均衡。排除S3的截断值为16%,纳入S3的截断值为22%。推导队列和验证队列中分别有95例(17.2%)和36例(15.2%)患者的UDFF值在16%至22%之间,该结果被归入不确定区域。
对于区分S0与S1-3、S0-1与S2-3以及S0-2与S3,UDFF在大多数比较中显示出显著高于HSI/FLI的AUC(p < 0.01,表2),但在验证队列中诊断S0与S1-3脂肪变性时除外(p = 0.075)。这些指标共同凸显了UDFF作为较传统方法HSI和FLI更可靠的无创诊断工具的有效性(表2,图3)。UDFF在全部三种参考标准下均表现出较强的诊断性能。基于MRI-PDFF、组织病理学和1H-MRS标准,UDFF区分三个二分类肝脂肪变性类别的AUC范围分别为0.931–0.935、0.879–0.926、0.898–0.973(表S6)。与三种参考标准各自对应的UDFF双截断值相关准确性指标亦呈现于表S6中。
基于BMI水平的脂肪变性风险分层策略
我们评估了UDFF在按BMI定义的亚组(BMI < 23 kg/m2和BMI ≥ 23 kg/m2)中识别肝脂肪变性的双阈值诊断性能。在两个亚组中,UDFF在低阈值下评估脂肪变性低风险的灵敏度为85.3–94.5%,在高阈值下识别脂肪变性高风险的特异度为91.0–100%(表4)。在BMI < 23 kg/m2的患者中,UDFF ≤ 6%能够以92.9%的NPV排除脂肪变性。UDFF > 10%的患者以100%的PPV被纳入脂肪变性。BMI分层分析显示,BMI < 23 kg/m²的参与者不确定范围(12.3%)显著窄于BMI ≥ 23 kg/m²者(18.0%),绝对差异为5.7%(表S7)。
已报道的用于排除和确认肝脂肪变性的HSI阈值分别为30和36 [25]。在BMI ≥ 23 kg/m²亚组中,HSI在确认阈值下显示出92.7%的高PPV,突显了其在确认肝脂肪变性中的重要作用。因此,在该亚组中进行了两步序贯分析:首先使用UDFF的双阈值,随后对UDFF不确定区的病例使用HSI的高阈值(这些患者的HSI值均> 30)。在UDFF识别的123例不确定病例中,71例使用HSI高阈值被确认为脂肪变性(PPV = 78.9%),剩余52例(7.6%)为不确定。UDFF和HSI确认肝脂肪变性的总体PPV为95.8%。因此,在BMI ≥ 23 kg/m²亚组中,不确定率从单独使用UDFF的18.0%降至序贯使用UDFF和HSI的7.6%(图4,表S7)。
讨论
这项涉及790例MASLD病例的多中心前瞻性研究是迄今为止使用UDFF评估肝脂肪变性的研究中报道的最大样本量。它表明UDFF是一种高效的无创评估肝脂肪变性的工具。与既往研究 [12, 13, 17] 不同,我们的研究确定了UDFF用于分类脂肪变性分级的排除和确认阈值。此外,对于BMI ≥ 23 kg/m²的患者,UDFF和HSI序贯方法进行肝脂肪变性风险分层可有效减少灰色区患者的比例。
本研究表明,UDFF在整体MASLD患者中与MRI-PDFF具有良好的相关性(ICC = 0.900),这与既往研究 [13, 18, 29–32] 一致。鉴于MRI的高成本和有限的可及性,尤其是在资源有限的环境中,UDFF为评估肝脏脂肪含量提供了一种实用的解决方案。UDFF的可及性使其具有吸引力,因为它易于整合到常规临床工作流程中,使用现有超声平台仅需约3分钟即可完成检查。超声系统与MRI扫描仪相比具有更优越的便携性,这一操作优势便于床旁评估。UDFF在肝脂肪变性评估中显示出显著高于HSI和FLI的准确性(AUROC:0.902–0.953 vs. 0.716–0.888)。这表明UDFF可作为MRI以及无创检测HSI和FLI的可靠替代方案。
本研究创新性地探讨了UDFF与MRI-PDFF在BMI亚组中的相关性,显示在BMI < 23 kg/m2的个体中一致性略为更紧密(ICC较高,为0.888 vs. 0.876,平均偏倚较小,为0.73% vs. 1.45%)。中性屏气依从性对成功测量至关重要。BMI依赖性偏倚和呼吸依赖性提示UDFF存在个体差异,未来制定标准化操作指南时需加以考虑。
本研究中UDFF的高可重复性(观察者内和观察者间ICC分别为0.985和0.971)和准确性(AUC为0.902–0.953)支持既往研究[30],表明其有潜力替代侵入性或昂贵的方法用于脂肪变的常规监测。本研究提出的用于肝脂肪变二分类的低阈值(S1-3、S2-3和S3分别为6%、12%和16%)在推导队列和验证队列中均显示出超过90%的敏感性(范围为90.7–95.1%),而高阈值(S1-3、S2-3和S3分别为10%、18%和22%)显示出超过90%的特异性(范围为90.2–96.3%)。这表明双阈值方法对于排除和确认肝脂肪变分级高度有效。
基于BMI水平,高BMI亚组诊断脂肪变的AUC略低于低BMI组(0.909 vs. 0.962),不确定病例的比例略高(18.0% vs. 12.3%)。值得注意的是,高BMI亚组中HSI表现出92.7%的高PPV,提示HSI在确认较高BMI个体脂肪变方面有效,使其成为确认脂肪变的有价值工具。因此,初步使用UDFF排除和确认肝脂肪变,并应用HSI在不确定区域确认脂肪变。该方法在保持准确性的同时将不确定诊断的比例降至最低。
尽管本研究为UDFF诊断肝脂肪变的有效性提供了有价值的见解,但应承认若干局限性。第一,本研究使用肝活检、MRI-PDFF或1H-MRS作为参考标准。尽管MRI-PDFF和1H-MRS被认为具有与活检组织病理学相当的准确性,但本研究无法直接比较MRI-PDFF、1H-MRS与活检病理。第二,与非亚洲人群相比(分别为25和30 kg/m²),亚洲人群超重(≥ 23 kg/m²)和肥胖(≥ 25 kg/m²)的BMI截断值较低[28, 33]。尽管截断值较低,亚洲患者仍表现出比白人个体更严重的肝脏组织学(如脂肪变、小叶炎症和气囊样变)[34, 35]以及更高的纤维化进展风险[33]。本研究仅纳入中国MASLD参与者,所提出的阈值需要在全球范围内进一步验证。第三,尽管本研究确立了UDFF的诊断有效性,但其对临床终点(肝脏相关死亡、失代偿事件)的预测效用需要通过前瞻性队列研究加以验证。
总之,该研究提供了强有力的证据,表明UDFF是一种可靠、无创且广泛可用的评估肝脂肪变性的方法。特别是对于高BMI患者,UDFF与HSI序贯用于肝脂肪变性风险分层的方法可有效减少处于灰色区域的患者比例。通过应对这些挑战,UDFF可作为MASLD中肝脂肪变性无创评估和管理的关键工具。
补充信息
电子补充材料
引用
- Xue L, Zhu Y, Cheng G, et al. Ultrasound-derived fat fraction for the noninvasive quantification of hepatic steatosis: a prospective multicenter study. Insights Imaging. 2025. PMID: 41174272. doi:10.1186/s13244-025-02092-5
- 全文:PMC12579052(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12579052/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。