Page 69 - 南京医科大学自然版
P. 69

第44卷第8期        方泽桂，董     莉，史陆宸，等. aCHANGE模型：NAFLD人群显著肝纤维化风险的预测模型［J］.
                  2024年8月                     南京医科大学学报（自然科学版），2024，44（8）：1092-1099                      ·1097 ·


                测，并绘制ROC曲线，同时与aCHANGE模型的ROC
                                                                  3  讨 论
                曲线进行对比（图5），在训练集中aCHANGE模型的
                AUC 为 0.775、FIB ⁃ 4 的 AUC 为 0.584，验 证 集 中             NAFLD是目前最普遍的慢性肝病，研究显示其
                aCHANGE 模型的 AUC 为 0.775、FIB⁃4 的 AUC 为             与年龄增长密切相关          ［27］ ，与本研究一致。众多研究
                0.578，可见所建立的模型在 NAFLD 人群中的预测                      证明，NAFLD 进展与炎症紧密相关，如肥胖会促进
                能力似乎比FIB⁃4更为良好。                                   肝脏、脂肪组织和骨骼肌等多个器官组织的炎症反

                      A                                               B
                          1.0                                              1.0
                          0.8                                              0.8

                         Sensitivity  0.6                                 Sensitivity  0.6

                                                                           0.4
                          0.4
                                          FIB⁃4 AUC=0.584
                                                                                          Model AUC=0.775
                                          Model AUC=0.775                                 FIB⁃4 AUC=0.578
                          0.2                                              0.2
                                                     Model                                           Model
                            0                        FIB⁃4                  0                        FIB⁃4
                              .0  0.2   0.4  0.6  0.8  1.0                    .0   0.2  0.4  0.6  0.8  1.0
                                       1-Specificity                                   1-Specificity
                    A：ROC curve of the aCHANGE model and FIB⁃4 in the training set. B：ROC curve of the aCHANGE model and FIB⁃4 in the validation set.
                                            图5 aCHANGE模型与FIB⁃4的ROC曲线比较图
                                 Figure 5 Comparison of ROC curves between the aCHANGE model and FIB⁃4


                应 ［28-29］ ，这种全身炎症反应会导致脂质沉积和肝脏                     单，便于临床医生在评估患者状况时能及时获取相
                脂肪变性，进而触发肝细胞死亡、炎症、纤维化和病                           关疾病的数据信息。本研究将年龄、性别、臀围、铁
                理性血管生成      ［30］ 。肥胖引起的全身性低度炎症是                   蛋白、AST、GGT、CMI这7个变量纳入列线图预测模
                其与 NAFLD 之间的关键连接。可见 CMI 作为识别                      型用于预测NAFLD患者出现显著肝纤维化的风险，
                肥胖的新指标被纳入本模型中是合理的                    ［31］ 。这其     从而构建了针对 NAFLD 人群的 aCHANGE 预测模
                中更关键的是慢性肝脏炎症，它在良性肝脏脂肪变                            型。本研究构建的列线图预测模型经过验证队列
                性向非酒精性脂肪性肝炎（NASH）转换中发挥决定                          验证，也提示本研究所建立的预测模型具有良好的
                性作用，其通过持续的低水平促炎症因子如肿瘤坏                            鉴别能力和准确性。
                死因子（tumor necrosis factor，TNF）、白介素（interleu⁃          即便是经过良好验证的临床预测模型，由于临
                kin，IL）⁃6和IL⁃1β产生，导致肝损伤和纤维化，进而                    床治疗方法以及疾病动态发展、尚未明确的危险因
                促进NASH发展。如上述，炎症在NAFLD发展中起                         素等随时间变化，模型性能下降，即临床预测模型
                着关键作用     ［28-29，32-36］ 。由于缺乏针对此炎症的特效             校准度出现了漂移         ［40-41］ 。因此，临床预测模型需要
                药物，及时筛选出显著肝纤维化的高风险人群进行                            定期更新和优化以保持其准确性。本研究针对
                生活方式干预和治疗至关重要。本研究构建的                              NAFLD 人群构建的模型为临床医生提供了一个有
                aCHANGE 模型是针对 NAFLD 人群开发的，包括了                     效的工具，帮助早期识别肝脏显著纤维化风险，从
                年龄、性别、臀围、铁蛋白、AST、GGT 和 CMI 这 7 个                  而实现早期预警、筛查和治疗，优化患者管理。本
                与炎症、肥胖及年龄相关的变量，并据此绘制了列                            研究的优势：首先，样本量大且具有美国全国代表
                线图。                                               性，增加了结果的可信度；其次，所用变量易于基层
                    列线图是一种预后方法，可以提高准确性，使                          医院获取，有助于 NAFLD 快速筛查和及时治疗；最
                预后更容易理解，从而产生更好的临床决策，现在                            后，模型包括代谢和炎症相关指标，是针对 NAFLD
                已广泛应用于肿瘤学和其他医学学科                 ［37-39］ 。列线图     人群所开发的。后续将继续完善研究，拓展至普通
                将复杂难懂且需要高级数学算法计算的统计回归                             人群并进行肝活检验证。本研究仍然存在几个局
                方程转换为可视化图像，方便临床工作者无需使用                            限。首先，由于是横断面研究，无法确定因果关系；
                计算机就可完成繁琐的临床预测，操作过程快速简                            其次，NHANES数据库未包含用药情况，可能未完全
   64   65   66   67   68   69   70   71   72   73   74