机器学习模型在识别NAFLD和NAFLD相关肝硬化优于无创检测
来自美国加利福尼亚州Cedars Sinai医疗中心的Noureddin教授团队于2022年7月在Hepatology上发表了一篇题目为"机器学习模型在识别NAFLD显著肝纤维化和NAFLD相关肝硬化方面优于无创检测"的研究性文章。该多中心、回顾性研究发现机器学习模型总体表现优于FibroScan、FIB-4、FAST和NFS等传统无创预测模型,且可作为诊断NAFLD患者临床显著肝纤维化和肝硬化的有效工具。
一、研究方法
该多中心、回顾性研究采用机器学习 (machine learning, ML)模型,包括logistic回归 (logistic regression, LR)、随机森林 (random forest, RF)和人工神经网络 (artificial neural network, ANN) , 通过1370名NAFLD患者共17个人口统计学、临床特征来预测肝纤维化的组织学阶段,这些患者在6个月内接受了肝活检、FibroScan和实验室检查。采用ML、FibroScan肝硬度测量及纤维化-4指数 (Fibrosis-4 index, FIB-4)来预测肝纤维化的组织学分期(显著肝纤维化≥F2、进展期肝纤维化≥F3和肝硬化F4)。采用ML、FibroScan-AST (FAST)评分、FIB-4和NAFLD纤维化评分 (NAFLD fibrosis score , NFS)评估显著纤维化的NASH (NAS≥4+≥F2)。80%的患者队列作为训练集,20%的患者队列作为验证集。
二、结果
1. 患者特征
表1 1370名NAFLD患者基线特征
所有患者平均年龄为56.6岁,其中55.55%为女性,37.96%患2型糖尿病,50.07%患高血压;平均ALT为36.0U/L, AST为28.0U/L,总胆红素为0.6mg/dl;F0占31.16%,F1占26.35%,F2占14.53%,F3占4.53%,F4占13.43%(表1)。
2. ML在预测肝纤维化组织学分期≥F2, ≥F3及≥F4中的表现
ML模型 (包括LR、RF、ANN)、FibroScan和FIB-4在预测≥F2、≥F3和≥F4时的表现如图所示,其中RF模型具有最高的性能 (AUROC=0.86)。
表2 机器学习模型及诊断性评分在≥F2,≥F3,F4中的预测表现
对于≥F2,≥F3, F4的患者, 与FibroScan、FIB-4相比,所有ML模型,尤其是RF具有更高的准确性和AUC。RF与FibroScan相比≥F2,≥F3和F4的AUC分别为 (0.86 vs 0.81)、(0.89 vs 0.83)和 (0.89 vs 0.86)(表2)。
3. ML在预测NASH+NAS≥4+≥F2中的表现
对于NASH+NAS≥4+≥F2的患者,RF同样具有更高的准确性和AUC。RF与FAST、FIB-4、NFS相比NASH+NAS≥4+≥F2的AUC分别为(0.80 vs. 0.77, 0.66, 0.63)(表3,图1),且与FIB-4和NFS相比,所有ML模型在不确定区域内的百分比更低/相似(表4)。
表3 机器学习模型及诊断性评分在NAS≥4+≥F2中的预测表现
表4 机器学习模型及诊断性评分在NAS≥4+≥F2中的预测表现及患者在不确定区域内的百分比
图1 F2, ≥F3, ≥F4及 NAS ≥ 4 + ≥F2中机器学习模型及诊断性评分的ROC曲线
三、 讨论
一些无创模型目前被广泛应用于预测NASH及显著肝纤维化(≥F2),如FibroScan-AST (FAST)评分,FIB-4和NFS,但这些诊断工具仍存在局限性。例如,FibroScan成本高,在初级保健诊所中无法广泛使用。FAST评分取决于FibroScan结果,因此与FibroSan存在相同的问题。FIB-4和NFS通常只能识别进展期肝纤维化 (≥F3),并且这两种模型都有很大的不确定区域。目前机器学习在许多领域变得越来越有价值。尽管ML在早期临床诊断中的应用还处于起步阶段,但临床医生已经开始将ML应用于生物医学研究、疾病诊断和人口健康管理。
总之,该研究发现,ML模型的表现与FibroScan、FIB-4、FAST和NFS相比在预测NAFLD患者的纤维化方面更准确,尤其是RF,且ML在区分阳性和阴性分类方面总体优于FibroScan、FIB-4、FAST和NFS。ML可以作为一种准确而实用、廉价的工具,帮助医生识别NAFLD患者显著肝纤维化和肝硬化。
参考文献:
Chang D, Truong E, Mena EA, Pacheco F, Wong M, Guindi M, et al. Machine learning models are superior to noninvasive tests in identifying clinically significant stages of NAFLD and NAFLD-related cirrhosis. Hepatology, 2022 Jul 9. doi: 10.1002/hep.32655.
往期推荐
什么是丁型肝炎?
个体化新生抗原疫苗预防伴有血管侵犯的肝细胞癌患者术后复发
原发性胆汁性胆管炎(PBC)患者对熊去氧胆酸(UDCA)应答的动态风险预测