代谢相关脂肪性肝炎无创评估研究进展总结2026

代谢相关脂肪性肝炎无创评估研究进展总结2026代谢相关脂肪性肝病（metabolicdysfunction-associatedfattyliverdisease，MAFLD）是一种以代谢功能紊乱为特征的慢性肝病，其疾病谱涵盖代谢相关单纯性脂肪肝（metabolicdysfunction-associatedfattyliver，MAFL）、代谢相关脂肪性肝炎（metabolicdysfunction-associatedsteatohepatitis，MASH）、代谢相关脂肪性肝纤维化和肝硬化，甚至可进展至肝脏相关终点事件。其中，MASH与更高的纤维化进展风险及不良预后显著相关，因此其早期筛查至关重要。目前，肝活检仍是诊断MASH的金标准，但因其具有侵入性、观察者间差异等局限性，临床应用受到限制。因此，探索可靠的无创诊断指标具有重要临床意义。一、血清学标志物揭示MASH的病理机制,但诊断准确性面临诸多问题血清学标志物通过反映肝细胞凋亡、代谢紊乱和炎症等核心病理机制，助力MASH的识别与监测，部分标志物已在药物临床试验中用于次要及探索性疗效终点，如CK18、铁蛋白等。然而，当前血清学标志物识别MASH仍面临以下主要问题：1.诊断准确性不足。不同研究异质性较大：不同研究间界值和诊断效能差异明显，灵敏度与特异度均有限，使得单独的血清学标志物难以作为诊断MASH的有力依据。2.缺乏标准化检测与评估体系。检测方法、样本来源、阈值设定及性能评价指标不一致，导致不同研究结果难以直接比较和验证，影响标志物的标准化和临床转化。3.外部验证与前瞻性研究不足。新兴标志物多来自小样本或横断面研究，尚需多中心、大样本、纵向验证。4.对病理机制反映不全面。MASH发病机制复杂，涉及多通路，尚缺乏能够全面捕捉MASH复杂性的理想标志物。近年来，组学技术的进步催生了多种新型血清标志物用于诊断MASH。例如，上海交通大学谢青教授团队通过靶向血清代谢组学结合机器学习方法，构建并验证了可独立识别高风险MASH中显著纤维化（≥F2）和中重度炎症（≥I2）的代谢物诊断模型，其诊断性能显著优于现有无创指标。然而，目前绝大多数新型标志物仍处于探索阶段，未来研究或应聚焦于多组学整合与机制导向的标志物筛选，建立标准化检测与评价体系，并通过多中心大样本研究验证。影像学参数在定量MASH方面展现优势，或可成为重要无创手段传统影像学对MASH的识别能力有限。近年来，多种新型影像学参数逐步应用于MASH评估，部分指标与肝脏炎症及组织学活动度显著相关。(一)基于定量超声的MASH无创评估新技术

基于超声设备提取的射频（radiofrequency，RF）原始数据可以获取反映组织微观结构变化的相应信号，供定量超声（quantitativeultrasound，QUS）技术进一步量化参数，能有效反映肝脏炎症活动度。温州医科大学团队纳入259例经活检证实的MAFLD患者，利用其射频数据建立了QUS-score。在训练集和验证集中，该评分识别MASH的AUROC分别达到0.798和0.816。基于剪切波弹性成像（shearwaveelastography，SWE）的超声检查剪切波频散成像（shearwavedispersion，SWD）可以测量与肝脏黏性直接相关的参数，即频散斜率（dispersionslope，DS）。一项来自日本的iLEAD研究通过前瞻性、多中心队列评估了超声参数与MAFLD患者肝脏组织病理特征之间的相关性，提示DS在识别轻度小叶炎症及以上（≥A1）的AUROC值为0.73，与其他超声指标联合诊断MASH的AUROC达0.81；另一项韩国的研究使用DS和衰减系数（attenuationcoefficient，AC）构建了评分系统，识别MASH的AUROC可达0.93；此外，韩国的一项多中心研究验证了DS联合AC对于MASH的诊断价值，其AUROC达到0.94。与振动控制瞬时弹性成像（vibration-controlledtransientelastography，VCTE）相比，SWE的测量变异性更小，提示其在纵向数据收集中具备较优的稳定性，也为未来新药试验无创评估疗效及预后提供了新的证据支持。综上，SWD为鉴别肝脏炎症提供了线索，有望成为MASH早期诊断的影像学方法。(二)基于磁共振技术的MASH无创识别与治疗应答新进展

磁共振成像（magneticresonanceimaging，MRI）有望成为MASH的无创评估手段和治疗应答的替代终点。前瞻性研究显示，基于铁校正（iron-correctedT1，cT1）构建的LIF评分识别MASH的AUROC值达0.80。更重要的是，cT1可用于预测药物治疗后MASH的组织学缓解，当cT1下降≥80ms时，患者更有可能实现肝细胞气球样变消失且纤维化无进展。磁共振弹性成像（magneticresonanceelastography，MRE）和磁共振成像-质子密度脂肪分数（magneticresonanceimaging-protondensityfatfraction，MRI-PDFF）在MASH评估中展现出应用前景。一项来自日本的研究发现，3D-MRE的两个黏性参数——阻尼比（dampingratio，DR）和损耗模量（G"）可作为评估肝脏炎症的新型无创指标。DR在早期肝纤维化中与组织学炎症活动度显著相关，G"则在所有纤维化阶段均与炎症显著相关。另一项来自美国的研究在多个频率下检测3D-MRE，发现在40Hz频率下，DR预测MASH性能最高。研究提示，MRI-PDFF或可用于监测治疗应答，PDFF下降超过30%的患者实现MASH改善的概率为非应答者的3.8倍，提示MRI-PDFF在动态监测疗效方面具有潜在优势。综上，影像学领域中不断涌现的新方法与新参数，为MASH的无创评估提供了新视角。然而，现有技术仍面临设备成本高昂、检查耗时、费用较高及操作便捷性不足等局限，限制其广泛应用。未来需在提升诊断准确性的基础上，进一步优化技术路径，探索更具可及性、效率更高的影像学方案。三、多种无创指标联合的诊断模型，未来可成为MASH无创筛查的核心路径由于单一血清学或影像学指标难以全面反映MASH复杂的病理变化，联合多种无创参数的诊断模型应运而生。(一)识别MASH的联合模型

联合使用临床上简易获得的血清学指标对MASH识别提出了新的可能。温州医科大学团队开发的acNASH指数由AST和血清肌酐构成,在识别不同国家、不同种族、不同临床特征的MASH患者均展现出了良好的诊断效能，模型所使用的低成本、易获取的临床指标为基层识别MASH患者提供了新方法。此外，组学、人工智能的发展也为MASH诊断开辟了新方向。Huang等基于代谢组学,联合机器学习方法，最终纳入体质指数（bodymassindex，BMI）、AST、酪氨酸水平和极低密度脂蛋白中磷脂与总脂质的比值构建出MASH预测评分系统。该模型在中欧两个人群中表现出良好的诊断效能（AUROC值分别为0.87和0.81），优于传统模型在预测MAFLD相关死亡率方面的表现（AUROC值为0.89）。影像学方法建立MASH诊断模型的研究也在不断深入。来自日本的一项前瞻性研究纳入了107例患者，融合了SWE中3种影像参数、BMI和FIB-4评分，这五项指标以雷达图形式构建了“NASH五边形模型”。这一模型涵盖脂变、炎症、纤维化和代谢风险等多方面信息，当五边形面积≥100时考虑MASH，其AUROC值达0.93。另一项来自韩国的研究基于58例MAFL患者和69例MASH患者的数据开发了MRE-basedNASHScore，该评分融合了临床特征、实验室指标和MRE影像参数，诊断MASH的AUROC值为0.841，可用于区分MASH和MAFL患者。(二)识别at-riskMASH的联合模型

随着病情发展，部分MASH患者纤维化会发生进展，进入“at-riskMASH”阶段（定义为脂肪变性、气球样变、炎症评分各≥1分且NAS评分≥4分，纤维化分期≥F2，又称为高风险MASH）。高风险MASH作为临床干预、新药研发的关键阶段，亟须针对性的无创策略对其精准识别。MACK-3模型由胰岛素抵抗指数（HOMA-IR）、AST和CK-18组成，整合了代谢、炎症、细胞凋亡3种病理环节，对于at-riskMASH的诊断效能显著优于FIB-4评分、非酒精性脂肪性肝病纤维化（NAFLDfibrosisscore，NFS）评分和BARD评分。一项来自马来西亚的研究则纳入196例活检诊断为MAFLD的患者，验证了该模型，结果显示MACK-3对at-riskMASH的诊断AUROC为0.80，对活动性MASH（NAS评分≥4）的诊断AUROC为0.81，优于其他临床常用血清学模型,提示MACK-3可作为具有高灵敏度的临床筛查模型。针对在肥胖人群中精准、便捷识别at-riskMASH患者这一临床挑战，山东大学团队纳入全国多中心、共1961例接受肝活检的减重手术患者并结合AI算法，构建了包含ALT、AST、甘油三酯、高密度脂蛋白胆固醇共4项指标的无创模型FMO。在与多种现有模型的头对头比较中，FMO对于at-riskMASH的AUROC值为0.87，显著优于其他模型。同时，基于英国生物银行的数据显示，FMO对肝脏相关事件（Liver-relatedevents，LREs）的预测能力与传统评分相当。近期，美国食品药品监督管理局（FoodandDrugAdministration，FDA）接受了VCTE作为非肝硬化MASH患者临床试验可能的替代终点指标的资格认定，标志着MASH新药研发正从“组织学时代”迈向“无创时代”。基于VCTE开发的无创模型对于at-riskMASH诊断也极具应用潜力。FibroScan-AST（FAST）模型由一项全球前瞻性、多中心研究开发并验证，模型组成包括AST和基于VCTE测得的肝脏硬度值（liverstiffnessmeasurement，LSM）、受控衰减参数（controlledattenuationparameter，CAP）。该模型对识别at-riskMASH的AUROC值为0.85，显著优于FIB-4和NFS。一项基于个体参与者数据的荟萃分析也得到了相似的结论。另一项纳入12项研究、共5835例MAFLD患者的荟萃分析表明，FAST在排除（≤0.35）与诊断（≥0.67）界值下的集合灵敏度与特异度均达89%。MRI-based（MAST）评分使用MRE、MRI-PDFF、AST构建。在模型的验证队列中，MAST评分显著优于FAST、FIB-4、NFS评分（AUROC：MASTvs.FASTvs.FIB-4vs.NFS:0.929vs.0.868vs.0.711vs.0.689）。相较于FAST，MAST具有更高的阴性预测值；相较于NFS和FIB-4，MAST具有更小的灰区比例，能够更精准地对MASH患者风险分层。在acNASH的基础上，进一步加入基于VCTE检测的LSM所开发出的acFibroMASH指数在外部验证队列中的AUROC值为0.800，全球队列中的AUROC值为0.806，表现出稳定的诊断效能。此外，在预测LREs的5年风险时，acFibroMASH指数预测效能优于FAST评分（acFibroMASHvs.FAST：0.835vs.0.750，P<0.01）。序贯联合多个无创模型的策略或成为未来MASH临床研究的有力抓手。近期，温州医科大学郑明华教授团队开展的一项全球大样本、多中心研究比较了包括MACK-3、FAST和Agile3+共8个无创模型对于MASH伴显著纤维化的诊断效能。结果发现，两种序贯检测（FAST序贯Agile3+；MACK-3序贯ELF）的假阳性率均在30%左右，显著低于当前MASH临床药物试验中肝活检产生的70%～80%筛败率。(三)识别MASH缓解的联合模型

虽然MASH缓解是作为新药研发的重要终点，但其评估高度依赖有创的组织学肝活检；同时，现有无创指标识别病情缓解效能较为有限。基于此，开发一种无创且精准的MASH缓解评估工具，成为亟待解决的关键问题。为无创评估MASH疾病进展情况，Loomba等使用95例配对肝穿患者治疗前与治疗后的ALT、MRI-PDFF和基线AST建立了MASHResolutionIndex，其预测MASH缓解的AUROC值为0.81，在163例MASH患者的外部验证组中，AUROC值也达到0.83，显著高于单独使用MRI-PDFF变化率或ALT变化率预测MASH缓解的效能。近期，该团队基于一项前瞻性、多中心、随机对照Ⅱb期药物临床试验的二次分析发现，MASHResolutionIndex对于预测MASH组织学缓解（无气球样变、炎症≤1分，且纤维化不加重）的诊断效能显著优于FAST评分（AUROC:0.83vs.0.65，P=0.001），提示该指数有望成为未来新药试验替代肝活检的疗效初筛工具。近期，温州医科大学团队和香港中文大学团队联合进行的全球多中心研究构建了FibroticMASHresolutionVCTEindex，该指数结合了上述提及的acFibroMASH指数的基线值、其动态变化以及ALT的动态变化。该指数既可以识别at-riskMA