突破肝纤维化诊断难题，复旦团队开发无创磁共振新技术
突破肝纤维化诊断难题，复旦团队开发无创磁共振新技术
复旦大学步文博团队在Nature Communications上发表了一项突破性研究成果，开发出一种基于磁共振分子影像的无创肝纤维化诊断技术。这一创新技术通过识别新的分子标志物FAPα，实现了对肝纤维化的精准分级诊断，为慢性肝病的诊疗带来了革命性的进展。
肝纤维化是慢性肝病发展过程中的关键阶段，若不及时治疗，将逐步演变成肝硬化，直至肝衰竭和肝癌。传统上，肝纤维化的诊断主要依赖于肝穿刺活组织检查，虽然这种方法是诊断的“金标准”，但其侵入性较大，存在出血、感染等风险，且患者体验不佳。因此，开发一种无创、精准的诊断方法一直是医学界的重要课题。
步文博团队的研究聚焦于一种名为FAPα的新型分子标志物。FAPα全称为成纤维细胞活化蛋白α，是一种在肝纤维化过程中高度表达的酶。研究团队创新性地将FAPα作为靶点，设计了一种磁共振分子影像探针。这种探针能够特异性地识别并结合FAPα，通过磁共振成像技术实现对肝纤维化程度的无创检测。
与传统的诊断方法相比，这项新技术具有显著优势。首先，它完全无创，无需进行肝穿刺，大大减少了患者的痛苦和风险。其次，该技术具有极高的灵敏度和特异性，能够准确区分不同阶段的肝纤维化，为临床医生提供更精准的诊断信息。此外，磁共振成像技术的广泛应用也为该技术的普及提供了便利条件。
这一突破性研究成果不仅提高了肝纤维化诊断的准确性，还为患者的个性化治疗提供了重要依据。通过无创检测，医生可以更早地发现肝纤维化，及时采取干预措施，避免病情进一步恶化。同时，该技术还能监测治疗效果，帮助医生调整治疗方案，实现精准医疗。
专家表示，这项技术的广泛应用将极大改善慢性肝病患者的诊疗体验，减少传统组织活检带来的风险和不便。随着进一步的研究和临床应用，该技术有望成为肝纤维化诊断的首选方法，为全球数亿慢性肝病患者带来福音。
在最近举行的AASLD 2024会议上，南京大学医学院附属鼓楼医院吴超教授和李婕教授团队展示了他们关于无创肝纤维化诊断技术的最新研究成果。这些研究不仅验证了Agile 3+在CHB合并MASLD患者中的优异诊断效能，还发现PRO-C3和GP73组合是CHB患者纤维化无创检测的优秀工具。这些新技术的出现，为临床医生提供了更多有效的无创诊断选项，有助于改善患者的治疗效果和生活质量。
随着肥胖和代谢综合征患病率的上升，NAFLD（现已更名为代谢相关脂肪性肝病，即MAFLD）的发病率逐年增加。根据相关流行病学研究，全球及亚洲的NAFLD总体流行率在2019年已接近30%，并仍在不断上升。NAFLD及其相关的肝硬化、肝癌已成为重要公共卫生问题，显示出其不可忽视的健康威胁。
已有研究指出，纤维化F3、F4是NAFLD疾病预后的主要因素，显著增加肝脏相关事件及全因死亡的发生风险，而逆转纤维化可显著减少NAFLD相关肝脏事件的发生。因此，早期识别并防止肝纤维化进展对改善NAFLD患者的预后至关重要。
在MAFLD肝纤维化评估中，作为“金标准”的肝活检尽管精确，但因其侵入性和操作复杂，临床推广受限。目前常见的无创评估手段包括：
血清学标志物：常见的血清学指标如APRI、FIB-4、NFS，能够通过简单的血液检测估算纤维化程度，适合初步筛查。新型血清学标志物则包括Pro-C3、TIMP1等，其中Pro-C3是优秀的无创检测血清学指标，与NAFLD活动性评分（NAS）相关性较好，但目前在我国尚无可用的检测试剂盒。
影像学技术：包括磁共振弹性成像（MRE）、瞬时弹性成像（TE，FibroScan/FibroTouch）、剪切波弹性成像（SWE）等。其中，MRE由于其高度的敏感性和特异性，被认为是目前最为准确的肝纤维化无创诊断技术。然而，MRE对技术和设备的要求较高，成本较为昂贵，目前仅在少数大型中心开展。相比之下，FibroScan/FibroTouch因操作简便、结果快速且适用于基层医疗，已经在国内外被广泛应用。将TE与血清学指标联合，或可进一步提高无创检测手段对MAFLD肝纤维化的诊断能力。
新兴技术：目前仍处于研究阶段的多组学技术（包括基因组学、影像组学、转录组学等）与机器学习模型的结合。可以通过分析大样本数据，提高脂肪肝和纤维化诊断的准确性和特异性。
在无创评估方法的应用中，不同场景和疾病状态对其效能会产生较大影响。许多无创评分模型最初基于单一肝病状态的数据开发，而在实际临床应用中，患者往往同时合并多种代谢异常和病毒性肝炎等复杂病理，这导致了一些评分在异质性较强的人群中表现出效能下降。
近年来，慢性乙型肝炎（CHB）患者中MAFLD的合并存在已成为一个日益突出的临床问题，为完善此类患者的诊断和管理，李婕教授团队建立了覆盖全国多个省份的大规模CHB合并MAFLD患者队列，通过对3000多例肝活检样本的数据分析，发现传统的无创评分模型如FIB-4、APRI、NFS等在这类患者中的准确性存在不足，Agile 3+则表现良好。
为此，李婕教授团队采用机器学习技术，结合多项指标开发出用于诊断进展纤维化和肝硬化的随机森林模型，相较于传统诊断模型显著提升了诊断效能，提高了临床医生在处理复杂病例时的诊断准确性。
本次讲座深入阐述了MAFLD的无创评估技术最新进展及其在CHB合并MAFLD背景下的诊断效能。未来的研究应着重于开发适合中国特定人群的个性化评估模型，以应对复杂的代谢异常和CHB共存的临床挑战。无创诊断技术的改进不仅能帮助更早期地识别出高危患者，还能为临床治疗策略的制定提供科学依据。