定量MRI联合实验室标志物检测与分期代谢功能障碍相关脂肪性肝病
单中心前瞻性队列纳入91例超声或VCTE发现肝脂肪变的参与者,行血液采样、定量MRI(PDFF、MRE、IVIM-DWI、cT1)及肝活检,在88例MASLD患者中构建预测模型。MRE-G'、MRE-Gabs和cT1与肝细胞气球样变相关;≥F3模型优于MAF5和FIB4但未优于ELF或NFS;纤维化性MASH联合模型AUC 0.83(95%CI 0.74-0.93),未优于FAST或cTAG。结论认为qMRI参数可区分MASLD严重程度,但联合其他指标未显著提高准确性。
要点
- MRE-G'、MRE-Gabs与cT1均与肝细胞气球样变相关(Spearman R分别为0.45、0.42、0.38,均p<0.001)。
- PDFF与组织学脂肪变相关性最高(Spearman R=0.66,p<0.001),其次为cT1(R=0.62,p<0.001)。
- ≥F3联合模型(MRE-G'、AST、ALT、腰围)AUC 0.84,优于MAF5(p=0.031)和FIB4(p=0.025)。
核心结论
- qMRI参数能够区分MASLD的严重程度。
- 总体而言,联合其他可用指标相较单个qMRI参数或已有NITs并未显著提高准确性。
研究设计与样本
- 单中心前瞻性队列研究,数据来自2018年9月至2024年1月阿姆斯特丹NAFLD-NASH队列(ANCHOR),共91例参与者(其中37例既往已报告),最终MASLD队列88例。
- 所有参与者行血液采样、VCTE及3-T MRI(Ingenia,Philips;16通道dStream躯干及后部线圈),包括PDFF、MRE、IVIM-DWI和cT1 mapping。
- 以肝活检SAF评分作为参考标准,由两名对其它数据设盲的病理专家共同阅片。
关键影像表现/征象
- MRE-G'区分肝细胞气球样变评分(0–1:p=0.005;0–2:p<0.001;1–2:p=0.007)。
- cT1区分无肝细胞气球样变(评分0)与任何肝细胞气球样变(评分≥1)(0–1:p<0.001,0–2:p=0.001)。
- PDFF与组织学脂肪变相关性最高(Spearman R=0.66,p<0.001),cT1次之(R=0.62,p<0.001)。
- MRE-G'与FIB4均与组织学纤维化相关性最强(Spearman R均为0.54,p<0.001)。
诊断标准与关键数值
- 纤维化性MASH联合模型(cT1、MRE-G'、AST、ALT)AUC 0.81(95%CI 0.71–0.91);MAF5 AUC 0.76(95%CI 0.66–0.87,p=0.441)、cTAG AUC 0.75(95%CI 0.63–0.88,p=0.284)、FAST AUC 0.72(95%CI 0.59–0.84,p=0.130)。
- ≥F2联合模型(MRE-G'、ALT、腰围)AUC 0.84(95%CI 0.74–0.94);MAF5 AUC 0.87(95%CI 0.78–0.96,p=0.530)、VCTE-LSM AUC 0.82(95%CI 0.71–0.94,p=0.792)。
- ≥F3联合模型(MRE-G'、AST、ALT、腰围)AUC 0.84(95%CI 0.75–0.93),优于MAF5 AUC 0.73(95%CI 0.62–0.85,p=0.031)和FIB4 AUC 0.73(95%CI 0.62–0.84,p=0.025)。
- ≥F3联合模型未优于MRE-G' AUC 0.78(95%CI 0.69–0.88,p=0.168)、NFS AUC 0.79(95%CI 0.69–0.89,p=0.210)、VCTE-LSM AUC 0.78(95%CI 0.68–0.88,p=0.198)和ELF AUC 0.75(95%CI 0.64–0.87,p=0.123)。
- 纤维化性MASH联合模型在90%敏感度rule-in阈值下特异度为0.37,阳性预测值0.76,阴性预测值0.63。
临床应用与阅片要点
- qMRI参数(PDFF、MRE-G'、cT1)可用于无创评估MASLD脂肪变、气球样变及纤维化程度。
- 联合实验室及人体测量指标构建的模型在≥F3检测中优于MAF5和FIB4,但未优于ELF、NFS或MRE-G'单参数。
- 在纤维化性MASH和≥F2检测中,联合模型未显著优于FAST、cTAG、MAF5或VCTE-LSM。
局限性
- 使用同一队列推导并测试联合评分,可能高估其相对于其他NITs的诊断性能,需在独立队列中进行外部验证。
- 未评估所用qMRI技术的重复性,且仅由一名观察者勾画感兴趣区。
- 部分qMRI扫描因技术或图像质量问题缺失,可能使诊断准确性估计产生偏倚;数据采用PMM插补,其结果可能受插补模型假设及有限队列样本量影响。
- 肝活检存在观察者间变异、采样误差及依赖分类组织学评分等缺点,qMRI技术须先证明不劣于肝活检方可临床实施。
- Logistic回归分析仅区分二分类临床结局,未涵盖疾病活动度的连续全貌。
全文中译13 节 · 点击展开
引言
全球约30%的成人患有代谢功能障碍相关脂肪性肝病(MASLD),因此其发生肝脏并发症(如肝硬化、肝细胞癌)和死亡的风险增加[1]。MASLD的定义为在存在代谢危险因素(尤其是2型糖尿病(T2DM)和肥胖)的情况下,≥5%的肝细胞中存在脂肪[2],并且是与慢性肝病并发症相关的疾病负担中增长最快的贡献因素[1]。疾病谱范围从单纯性脂肪变性,经代谢功能障碍相关脂肪性肝炎(MASH),到纤维化,最终发展为肝硬化和肝细胞癌[2]。诊断和分期MASLD的参考标准是肝活检。然而,肝活检有明显缺点:它是一种有创性[3]且费力的操作,可能存在采样误差[4]和明显的观察者间变异性[5]。这些缺点促进了用于诊断、分期和监测MASLD的非侵入性替代方法的发展。
定量MRI技术(qMRI)越来越多地被认可为肝活检的替代方法,因为它们可以非侵入性地量化潜在的组织特征并预测临床结局[6, 7]。MASLD的特征是肝脏代谢改变,涉及游离脂肪酸的过度积累[8]。肝脏脂肪变性可以用MRI质子密度脂肪分数(PDFF)进行量化[9]。炎症和肝细胞气球样变可将MASH与无脂肪性肝炎的MASLD区分开来,使其成为疾病活动度的指标。既往研究表明,炎症组织中游离水含量增加可导致磁共振弹性成像(MRE)测得的黏度升高和T1弛豫时间延长[6, 10]。肝脏中的弥散度可能因免疫细胞浸润而降低,并可通过弥散加权MRI(DWI)测量[11, 12]。肝脏中的促炎环境导致细胞外基质沉积和纤维化形成[8]。肝脏中的纤维化组织可通过MRE测量[13]。此外,既往研究发现T1 mapping可能捕捉到MASLD中的纤维化[14]。
既往研究表明,联合qMRI技术可提高诊断和分期MASLD的诊断准确性[15]。将qMRI技术与其他非侵入性生物标志物联合可能进一步提高准确性。因此,MR-MASH评分使用PDFF、腰围和身高来识别MASH[16],MRI-天冬氨酸氨基转移酶(MAST)评分使用PDFF、MRE和天冬氨酸氨基转移酶(AST)来识别纤维化MASH(fibro-MASH)患者(MASLD活动度评分(MAS)≥2且显著纤维化(≥F2))[17],MEFIB评分使用MRE和纤维化-4评分(FIB4)来识别≥F2的患者[18]。然而,尚未对qMRI技术、实验室检测、基于血液的生物标志物评分、振动控制瞬态弹性成像(VCTE)和临床特征与活检评分进行全面比较。因此,本研究旨在评估qMRI单独以及与实验室和解剖学测量及其他非侵入性检测(NITs)联合是否能检测MASLD的各阶段,包括fibro-MASH、≥F2和晚期(≥F3)纤维化。这些结局尤为重要,因为它们与更高的疾病进展、发病率和死亡率风险相关[19]。
材料与方法
参与者
使用阿姆斯特丹NAFLD-NASH队列(ANCHOR)研究中2018年9月至2024年1月期间采集的数据。该研究在荷兰试验注册库注册(NL-OMON52739),于阿姆斯特丹UMC开展,遵循《赫尔辛基宣言》原则并按照良好临床实践指南进行。纳入标准为腹部超声或VCTE显示肝脂肪变性且年龄≥18岁[12]。所有参与者在研究程序前至少禁食4小时。本研究是对Troelstra等人所述队列前瞻性收集数据的第二次更大规模分析,此前的发表为该队列的中期分析,纳入前37例患者[12]。所有患者均接受了实验室检测、VCTE检查以及qMRI扫描,包括PDFF、MRE、体素内不相干运动(IVIM)DWI MRI和铁校正T1(cT1)成像。
实验室检测和VCTE
有关所进行的实验室检测、生物标志物分析和VCTE检查的信息,请参见补充材料第1节。值得注意的是,VCTE可获取受控衰减参数(VCTE-CAP),一种脂肪变性的测量指标,以及肝脏硬度测量值(VCTE-LSM),一种纤维化的测量指标[20]。
肝脏MRI采集
所有参与者均接受了单次3-T MRI扫描(Ingenia,Philips),使用16通道dStream躯干线圈和后部线圈。采用多层面多回波梯度回波序列进行基于幅度的PDFF扫描。MRE扫描采用部分编码多层面梯度回波采集[21, 22]。将重力传感器置于腋中线剑突水平,振动频率为50 Hz。IVIM-DWI MR图像采用自由呼吸多层面扩散加权单次激发回波平面序列采集,包含18个b值。使用LiverMultiScan®方案(Perspectum Ltd.)进行cT1成像[23]。MRI采集参数见补充表S2。
MRI后处理
在所有后处理步骤中均避开明显血管、胆管、肝脏边缘和图像伪影。一名具有4年腹部qMRI经验的研究者(N.W.)在ITK Snap(v3.8.0;http://www.itksnap.org/)中放置感兴趣区(ROI)[24]。对于PDFF,在第一个回波时间图像的三个不同层面上于肝脏内放置三个圆形ROI。将带有T2*校正的多回波多频率水脂信号模型(Matlab v2021b;The Mathworks Inc.)拟合至每个回波时间的平均信号强度[25],以获得肝脏脂肪分数(PDFF)和T2*值。
MRE数据的后处理按照Sinkus等人[26]的方法进行。在三个中央层面上于肝脏内绘制ROI。排除粘弹性特性不可靠的体素(非线性>50%)。计算平均硬度(复剪切模量的幅值,MRE-Gabs)、弹性(储能模量,MRE-G’)和相位角(MRE-φ)。
使用Python(v3.6;PyTorch)中的开源IVIM-NET(https://github.com/oliverchampion/IVIMNET)从IVIM-DWI数据计算扩散系数(IVIM-D)、灌注分数(IVIM-f)和伪扩散系数(IVIM-D*)[27, 28]。使用U-Net[29]定义涵盖整个肝脏的ROI,并辅以手动调整(https://github.com/dilaratank/BScThesis-AutoLiverSeg)。
使用LiverMultiScan®软件从MOLLI T1图进行cT1成像(cT1 mapping)[23]。匿名多参数MRI数据由对其他数据不知情的经过培训的图像分析人员在异地进行分析。使用半自动方法创建全肝分割图。对这些图的像素值取平均值,并报告四个层面的cT1中位数。在部分患者亚组中评估定量MRI扫描的阅片者间变异性。该亚分析的方法和结果见补充材料第2节。图S4概述了后处理步骤。
肝活检
经皮超声引导下肝活检按照当地标准操作流程进行。组织学标本由两名对其他数据不知情的病理学专家(M.D.、J.V.)串联阅片。组织病理学参数采用脂肪变、活动度(包括小叶内炎症和肝细胞气球样变)和纤维化(SAF-)评分进行定义,分类为非MASLD、无脂肪性肝炎的MASLD和MASH [30]、脂肪变分级和纤维化分期。纤维化性MASH(Fibro-MASH)定义为存在脂肪变(≥ S1)和疾病活动度,后者定义为存在小叶内炎症(≥ 1)、肝细胞气球样变(≥ 1)和≥ F2 [30]。
统计分析
统计分析在RStudio(v4.3.2)中进行。p值< 0.05视为显著。计算SAF评分参数与qMRI参数、实验室检测指标、基于血液的生物标志物评分、VCTE参数和临床特征之间的Spearman秩相关。分别对正态分布和非正态分布数据使用单因素方差分析(ANOVA)及事后Tukey HSD检验或Kruskal–Wallis检验及事后Dunn检验(Bonferroni校正)来检验区分SAF评分参数的能力。对于缺失数据,使用RStudio中的MICE包以预测均值匹配(PMM)方法并纳入所有参数进行插补。采用轨迹图和比较观测数据与缺失数据的箱线图评估插补的有效性和稳健性。
建立单变量逻辑回归模型,在经组织学证实为MASLD(≥ S1)的患者中,分别检测S3、MASH、纤维化性MASH、≥ F2和≥ F3,并对上述参数使用5折交叉验证。模型性能采用受试者工作特征曲线下面积(AUC)(± SD)衡量。随后,使用5折交叉验证建立多变量逻辑回归模型,纳入个体AUC最高的两个qMRI参数(单独及相互联合)以及实验室检测指标和临床特征。选择AUC最高的模型;若AUC相同,则报告临床实践中最易于应用的评分。联合评分的诊断性能在设置为90%灵敏度和90%特异性的纳入和排除截断值处计算。最后,计算复合评分的诊断性能,并使用DeLong检验与其他无创检测(NIT)进行比较,即FibroScan-AST(FAST)[31]、NAFLD纤维化评分(NFS)、代谢功能障碍相关纤维化-5评分(MAF5)[32]、MR-MASH [16]、cT1-AST-空腹血糖评分(cTAG)[33]和FIB4。
结果
参与者特征
共有91名参与者被纳入本研究进行与组织病理学的相关性分析,其中3名为S0。最终MASLD队列包括88名参与者,其中27.3%为S3,69.3%符合纤维化-MASH标准[30],39.8%为≥F3(表1,图1)。表1总结了临床、影像学和组织学数据。
图2显示了两名患者的代表性扫描图像:一名为不伴脂肪性肝炎的MASLD患者,一名为MASH患者。由于技术或时间相关问题,部分参与者未能记录完整的qMRI扫描参数:缺失5次MRE扫描、5次IVIM-DWI扫描、7次LiverMultiScans®和5次PDFF扫描。8名参与者的MRE质量被认为不足,7名参与者的cT1无法定量。缺失数据图见图S5。
与组织病理学的相关性
八个变量与组织学脂肪变性相关(图S6)。其中,PDFF显示出最高相关性(Spearman's R = 0.66,p < 0.001),其次是cT1(Spearman's R = 0.62,p < 0.001)(图S7A、B)。
十七个变量与肝细胞气球样变相关(图S6)。MRE-G’显示最高的Spearman's R为0.45(p < 0.001),其次是MRE-Gabs,Spearman's R为0.42(p < 0.001),cT1的Spearman's R为0.38(p < 0.001)。MRE-G’可区分肝细胞气球样变评分(0–1:p = 0.005;0–2:p < 0.001;1–2:p = 0.007)(图S7C),而cT1可区分无肝细胞气球样变(评分0)与任何肝细胞气球样变(评分≥1)(0–1:p < 0.001,0–2:p = 0.001)(图S7D)。尽管小叶炎症与另外两个组织学参数显著相关,即肝细胞气球样变(Spearman's R:0.24(p = 0.023))和纤维化(Spearman's R:0.22(p = 0.039)),但未观察到与其他无创标志物的显著关联(图S6)。
十六个无创标志物与组织学纤维化相关,其中MRE-G’和FIB4显示最强的相关性,两者的Spearman's R均为0.54(p < 0.001)(图S6、S7E、F)。
新复合评分的推导
采用5折交叉验证的单因素logistic回归显示,纤维化型代谢功能障碍相关脂肪性肝炎(fibro-MASH)的存在通过MAF5检测效果最佳(AUC:0.76(± 0.13)),其次是MRE-G’(0.73(± 0.14))和cT1(AUC:0.72(± 0.04))(表2、S3)。联合cT1、MRE-G’、AST和ALT的模型具有最高的AUC(AUC:0.81(± 0.12)):。在设定90%灵敏度的纳入阈值下,联合评分的特异度为0.37,阳性和阴性预测值分别为0.76和0.63(表S5)。
单因素logistic回归显示,< F2 vs. ≥ F2的区分以MAF5最佳(AUC:0.87(± 0.11)),其次是VCTE-LSM(AUC:0.83(± 0.09))和AST(AUC:0.81(± 0.21))(表2、S3)。联合MRE-G’、ALT和腰围的模型具有最高的AUC(0.90(± 0.14)):。
单因素logistic回归显示,< F3 vs. ≥ F3的区分以NFS最佳(AUC:0.80(± 0.14)),其次是MRE-G’(AUC:0.80(± 0.10))和VCTE-LSM(AUC:0.78(± 0.19))(表2、S3)。联合MRE-G’、AST、ALT和腰围的模型具有最高的AUC(0.82(± 0.07)):。
检测< 3 vs. S3和MASH的结果以及使用完整数据集(n = 51)进行单因素和多因素logistic回归的结果见补充材料第3节。
新联合评分与其他无创检测(NIT)的诊断性能
在MASLD队列(n = 88名受试者)中计算时,纤维化型MASH的联合评分AUC为0.81(95% CI:0.71–0.91)(图3,表3)。MAF5、cTAG和FAST诊断纤维化型MASH的AUC分别为0.76(95% CI:0.66–0.87(p = 0.441))、0.75(95% CI:0.63–0.88(p = 0.284))和0.72(95% CI:0.59–0.84(p = 0.130))。
在研究队列中,≥ F2的联合评分AUC为0.84(95% CI:0.74–0.94)(图3),而MAF5和VCTE-LSM的AUC分别为0.87(95% CI:0.78–0.96)(p = 0.530)和0.82(95% CI:0.71–0.94)(p = 0.792)(表3)。
≥ F3的联合评分AUC为0.84(95% CI:0.75–0.93)(图3),优于MAF5(0.73(95% CI:0.62–0.85)(p = 0.031))和FIB4(0.73(95% CI:0.62–0.84)(p = 0.025))。≥ F3的联合评分未优于MRE-G’ 0.78(95% CI:0.69–0.88(p = 0.168))、NFS 0.79(95% CI:0.69–0.89(p = 0.210))、VCTE-LSM(0.78(95% CI:0.68–0.88)(p = 0.198))和ELF(0.75(95% CI:0.64–0.87)(p = 0.123))(表3)。S3和MASH的联合评分与其他NIT的AUC比较见表S6。图S8–S12显示了所有结局的联合评分和NIT的ROC曲线。
讨论
本研究表明,一套广泛的qMRI参数组合能够准确诊断MASLD严重程度的不同阶段。用于预测≥F3的模型结合了MRE-G'、AST、ALT和腰围,其性能显著优于MAF5和FIB4,但尽管更高,并未显著优于ELF或NFS。用于预测fibro-MASH和≥F2的预测模型未能证明与其他NIT相比在诊断准确性上有显著提高。此前的研究聚焦于qMRI在诊断MASLD严重程度不同阶段中的作用。然而,尚未开展将qMRI技术、实验室检测、基于血液的生物标志物评分、振动控制瞬时弹性成像(VCTE)和临床特征与活检评分进行全面比较的研究。
我们的研究建立在以往开发非侵入性模型以检测fibro-MASH的努力之上,其中最值得注意的是FAST评分、MAST评分和cTAG [17, 31, 33]。FAST由VCTE-LSM、VCTE-CAP和AST组成,在验证队列中表现出令人满意至优秀的性能(AUC:0.74–0.94)。MAST由PDFF、MRE和AST组成,在验证队列中检测fibro-MASH表现出良好性能(AUC:0.93)。遗憾的是,由于使用了不同的MRE技术,无法在我们的队列中对MAST进行验证,因而无法进行头对头比较。MAST和FAST均包含脂肪变性和纤维化的测量指标,并辅以AST。cTAG由cT1、AST和空腹血糖组成,在既往研究中检测fibro-MASH的AUC为0.90 [33]。我们用于检测fibro-MASH的复合评分由直接反映肝脏潜在病理生理过程的参数组成(图4);炎症组织中游离水含量增加导致T1弛豫时间延长,而MRE-G'因肝脏中的纤维化组织而升高 [6, 10, 34]。在与FAST和cTAG的头对头比较中,我们的fibro-MASH复合评分在该队列中未表现出显著改善的准确性。
对于纤维化分期,通过MRE或VCTE评估的硬度在临床实践中日益获得认可。MRE-G'和VCTE-LSM在检测≥F2和≥F3方面表现出良好的诊断性能。本研究中确定的复合评分包括用于≥F2的MRE-G'、ALT和腰围,用于≥F3时另加AST。这些复合评分在检测≥F3时并未优于硬度测量指标或其他更易获得的非MRI非侵入性检测,MAF5和FIB4除外。
所测试的参数与SAF评分中包含的多个组织病理学特征相关。这可能由这些评分的相互依赖性以及MASLD的病理生理发展所解释。脂滴积累和脂毒性损伤导致肝细胞肿胀,而这种持续的肝损伤导致肝星状细胞活化,肝星状细胞是负责进展性纤维化的主要细胞类型 [8]。在该队列中,肝细胞气球样变主要区分MASH和单纯性脂肪变性,因为小叶内炎症显示有限的可变性。有趣的是,复合评分并不仅仅包含AUC最高的前四个单项参数。这显示了某些变量组合的冗余性;即,代表相同病理生理过程的MRI-G'和MRI-Gabs不会被选入同一模型。
ANCHOR队列代表了一个涵盖MASLD全谱系的人群。它纳入了一个代谢负担较重、肥胖和T2DM患病率高的群体,从而准确代表了纤维化性MASLD筛查和治疗干预的目标人群。本研究使用了大套qMRI参数和其他NITs,包括较新颖的和临床已建立的参数,从而提高了临床和未来可用性。鉴于用于检测不同阶段MASLD的参数范围广泛,该方法使我们能够全面研究诊断标志物及其在疾病谱中的相关性。使用5折交叉验证模型提供了模型的部内部验证,并对AUC、敏感性和特异性给出了现实估计。读者间变异性分析(补充材料第2节)表明,所评估的所有qMRI技术均具有良好至极好的一致性。读者间的这种一致性水平对于这些成像方法的可靠临床采用至关重要。
本研究存在一些局限性。第一,使用同一队列推导复合评分并检验其性能,可能导致与其他无创检测(NITs)相比,新推导的复合评分的诊断性能被高估。需要在独立队列中进行外部验证以确认研究结果的普遍性。第二,本研究未评估所用定量磁共振成像(qMRI)技术的可重复性,且仅由一名观察者勾画感兴趣区。既往研究已报道qMRI扫描的可重复性,在应用这些技术时应予以考虑[35–37]。第三,部分qMRI扫描因技术或图像质量问题而缺失,可能导致诊断准确性估计存在偏倚。数据采用预测均值匹配(PMM)进行插补,该方法依赖若干假设。它假设数据为随机缺失,即缺失性可由插补模型中包含的观测变量解释,本数据集符合此情况。PMM还依赖于存在相似的观测病例,因此当缺失值落在观测数据分布范围内时表现最佳。本研究呈现的结果仍存在受插补模型假设和有限队列规模影响的风险。因此,不能完全排除缺失数据插补对诊断性能的影响。为确保研究结果的稳健性,需要在更大规模的独立队列中进行验证。第四,肝活检存在若干缺点,包括观察者间变异、采样误差[3, 4]以及依赖分类组织学评分,后者掩盖了疾病活动的连续性本质。尽管存在这些缺点,采用SAF评分系统评估的活检仍是诊断和分期代谢功能障碍相关脂肪性肝病(MASLD)的参考标准。因此,qMRI技术在临床实施前必须首先证明其不劣于肝活检。第五,目前采用逻辑回归分析来区分二分类的临床相关结局。然而,这并未涵盖纤维化严重程度的全部范围,有序回归本可允许对所有分期进行更全面的评估。最后,尽管复合评分偶尔显示出高于其他NITs的AUC,但这些差异未达到统计学显著性,部分原因可能在于研究样本量有限。
本研究表明,多种qMRI技术,包括质子密度脂肪分数(PDFF)、校正T1(cT1)、体素内不相干运动灌注分数(IVIM-f)和磁共振弹性成像剪切模量(MRE-G'),与MASLD疾病谱的组织病理学特征相关。此外,将qMRI参数与 readily available 的实验室和人体测量指标相结合的复合评分能够准确检测MASLD的各个阶段,包括关键目标病变纤维化性MASH以及≥ F2和≥ F3。它们相较于单个qMRI参数或其他NITs并未表现出一致的统计学优势,但其较高的AUC提示具有附加的判别价值。需要在大型独立队列中进行外部验证,以评估qMRI参数的具体作用和最佳应用方式,从而促进其未来整合到临床诊疗路径中,用于对进展性疾病患者进行无创或微创检测。
补充信息
电子补充材料
引用
- Wassenaar NPM, van Son KC, Voermans B, et al. Combination of quantitative MRI and laboratory markers for the detection and staging of metabolic dysfunction-associated steatotic liver disease. Eur Radiol. 2026. PMID: 41902925. doi:10.1007/s00330-026-12451-5
- 全文:PMC13342414(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13342414/
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。