Adv Sci丨刘莉团队：基于机器学习的非酒精性脂肪性肝病早期检测和预后分层标志物的开发与验证

背景：非酒精性脂肪性肝病（NAFLD）已成为全球最常见的慢性肝病，其发病率不断上升，给公共卫生带来了巨大挑战。NAFLD不仅与肝病相关死亡率密切相关，还与心血管疾病、2型糖尿病和慢性肾脏病等肝外疾病存在显著关联。研究目的：南方医科大学南方医院健康管理中心刘莉教授团队结合遗传与临床特征开发了集成多模态机器学习模型，并构建了NAFLD的数字定量标志物——ISNLD，以实现对NAFLD的早期识别，以及对NAFLD高风险人群发生严重肝脏疾病和肝外不良结局的风险进行分层评估。结论：集成多模态机器学习模型对于预测NAFLD表现出良好的预测能力，显著优于传统指标FIB-4。ISNLD在NAFLD高风险人群中展现出对SeLD及肝外不良结局的良好风险分层能力，有望用于NAFLD高风险人群的肝脏及肝外并发症筛查与个体化风险评估。