专家点评J Hepatol丨夏明锋/唐惠儒/高鑫等利用机器学习方法建立适合国际多种族人群的代谢相关性脂肪性肝炎无创预测模型

本文介绍了复旦大学附属中山医院高鑫教授/夏明锋副主任医师和复旦大学人类表型组研究院唐惠儒教授团队利用机器学习方法，构建了一个新的代谢组学衍生的代谢相关性脂肪性肝炎（MASH）预测评分模型。该模型通过分析311名中国成年人的44个临床参数和250个血清代谢物，利用体重指数（BMI）、血清天冬氨酸转氨酶（AST）、酪氨酸和极低密度脂蛋白颗粒中磷脂与总脂质的比值（V0PLp），量化MASH风险。该评分在中国和芬兰的验证中显示出较高的准确性，ROC曲线下面积分别为0.87和0.81。此外，该评分在预测MASLD相关死亡风险方面优于现有的NFS和FIB-4公式，显示出其在多种族人群中的广泛适用性和潜在的临床应用价值。