基于LASSO回歸的非酒精性脂肪性肝病進展性肝纖維化預測模型的構建及分析

馮 鞏， 張 燕， 嚴琴琴， 劉 婧， 劉曼玲， 范立萍， 林思岑, 賀 娜， 彌 曼

1 西安醫學院， 西安 710021； 2 空軍軍醫大學第二附屬唐都醫院 呼吸內科， 西安 710000；3 西安醫學院第一附屬醫院 消化內科， 西安 710077

非酒精性脂肪性肝病 (NAFLD) 是最常見的慢性肝病，包括單純性非酒精性脂肪肝和非酒精性脂肪性肝炎 (non-alcoholic steatohepatitis, NASH)。NASH已成為肝硬化、肝癌和肝移植的重要病因，NAFLD和2型糖尿病以及心血管疾病[1]的高發密切相關。NAFLD患者會發生不同程度的肝纖維化，纖維化年平均進展率為9%[2]，而晚期肝纖維化患者10年生存率為81.55%[3]。先前的研究[4-5]表明，在活檢證實的NAFLD中，纖維化程度是影響進展至終末期肝病和死亡最重要的因素，而不是NASH。因此，對NAFLD患者肝纖維化的準確評估，有利于對病情的準確評估、治療方法的制訂和預后的判斷[1]。

肝活檢一直是判斷NAFLD患者肝纖維化程度的金標準。然而，肝活檢是一種有創檢查，大多數患者難以接受，并且對于患者而言，不便于多次利用肝活檢來判斷病情[3]。因此，學術界一直試圖尋找無創性的方法來準確評估NAFLD患者的肝纖維化程度。本課題組在前期構建出NAFLD無創性篩查模型[6-7]，旨在便于基層NAFLD的早期篩查。在此基礎上，本組進一步通過LAASO回歸方法，構建NAFLD進展性纖維化無創預測模型，以適應基層醫院的需要，提高診斷效能。

1 資料與方法

1.1 研究對象 納入2018年1月-2019年8月在西安醫學院第一附屬醫院診斷的NAFLD患者。納入標準：(1)18～75歲的成年患者；(2)符合NAFLD的診斷標準，其中NAFLD的診斷標準參考中華醫學會肝病學分會制定的《非酒精性脂肪性肝病防治指南(2018年更新版)》[8]。排除標準:(1)在過去2年內飲酒量>20 g/d；(2)病毒性肝炎(B或C)、自身免疫性肝炎、原發性硬化性膽管炎等患者；(3)長期服用非類固醇抗炎藥、鈣通道阻滯劑、三苯氧胺、胺碘酮、皮質酮、異煙肼和甲氨蝶呤者；(4)孕婦或哺乳期婦女；(5)肝癌或其他良惡性腫瘤患者；(6)有重要數據遺失、資料不全者。

1.2 觀察指標

1.2.1 臨床及實驗室指標 收集研究對象的臨床及實驗室檢查數據，包括一般資料，如性別、年齡、身高、體質量、腰圍、腹圍、臀圍和腰臀比(WHR)；生化指標，如空腹血糖(FPG)、空腹血漿胰島素(FINS)、糖化血紅蛋白(HbA1c)、AST、ALT、GGT、IV型膠原、Ⅲ型前膠原、總蛋白、白蛋白、球蛋白等。

1.2.2 肝臟硬度值(LSM)測量 FibroScan型號為Echosens公司生產的Fibroscan-502機型。LSM的測量結果以千帕(kPa)表示。根據《瞬時彈性成像技術(TE)臨床應用專家共識(2015年)》[9]，TE可用于NAFLD肝纖維化的診斷，LSM臨界值可參考7.9 kPa，從而診斷進展性肝纖維化。

1.3 倫理學審查 該項研究方案獲得西安學院第一附屬醫院倫理委員會審批(NO.XYFY2018LSK-003)，參與者均簽署知情同意書。

2 結果

2.1 一般資料及生化指標 納入NAFLD患者258例，其中非進展性纖維化組184例，進展性纖維化組74例。在一般資料方面，WHR、年齡、BMI、是否為肥胖人群在兩組之間均存在統計學差異(P值均<0.05)(表1)。兩組患者生化指標中ALT、AST、ALP、GGT、血紅蛋白、透明質酸、Ⅲ型前膠原、Ⅳ型膠原、HOMA-IR差異均有統計學意義(P值均<0.05)(表2)。

表1 2組患者一般資料比較

表2 2組患者生化指標比較

2.2 LASSO回歸篩選結果 使用LASSO回歸算法從臨床指標中選擇出3個具有非零系數的顯著纖維化相關指標，分別為Ⅳ型膠原、BMI、AST(圖1)。

2.3 LAASO回歸模型的構建 利用logistic 回歸篩選出3個變量，Ⅳ型膠原、BMI、AST所對應的非零系數分別為0.006 58、0.018 84、0.002 74，因此所構造的預測模型為：0.002 74×AST+0.006 58×Ⅳ型膠原+0.018 84×BMI。預測模型的AUC為0.843，95%CI: 0.790～0.897，敏感度為0.851，特異度為0.810(圖2)。校準度使用校準曲線進行評估，校準度反映了預測的概論和實際觀測的概率的一致性。從圖3中可以看出，預測的概論和實際觀測的概率具有較好的一致性。

2.4 LAASO回歸模型與經典模型之間的比較 進展性纖維化經典預測模型包括APRI、NFS和FIB-4，通過ROC曲線，比較經典模型和LAASO回歸模型的診斷效能，結果發現，無論是AUC還是敏感度、特異度，LAASO回歸模型均優于經典模型(圖4，表3)。

3 討論

TE通過測量LSM，從而反映肝纖維化程度。由于具有無創、簡便、快速、易于操作、可重復性、安全性和耐受性好的特點，目前已被AASLD、EASL及中國慢性乙型肝炎防治指南推薦為HBV、HCV相關肝纖維化臨床評估的重要手段。在臨床實際工作中，難以大量獲得NAFLD肝組織活檢的病例，因此無法對其纖維化程度做出精準評估。基于國內外研究現狀，FibroScan 檢測對患者肝臟硬度值測定有較高的敏感度和特異度，在國內外均得到認可，因此本研究以FibroScan 檢測值為參照標準，通過人體學指標結合簡單的血清學指標，重新構建回歸模型，以實現對NAFLD顯著肝纖維化的無創診斷。

表3 LAASO回歸模型與APRI、FIB-4、NFS的診斷效能比較

本研究運用LASSO回歸進行了變量的篩選和模型的構建。相比于傳統的統計學方法，LASSO回歸有著獨特的優勢[10]，在尋求預后因素，處理多種高維數據方面(諸如PET圖像的放射特征[11]、環境腸病生物標志物[12]和相關個體的全基因組關聯分析之類的問題[13])，由于各指標之間可能存在共線性關系，傳統的統計學方法可能會使效率低下。LASSO回歸適用于處理高維數據或大量數據，可篩選與研究目的相關的特征性指變量。因此，筆者將LASSO回歸算法作為本研究的核心數據處理方法。

目前已有的無創性診斷NAFLD進展性肝纖維化的評分系統主要有3種，分別為NFS、FIB-4和APRI。本研究結果顯示，在預測進展性肝纖維化(LSM≥7.9 kPa)方面，LASSO模型的AUC、敏感度和特異度均是最高，說明LASSO模型的診斷效能均優于NFS、FIB-4和APRI。而且回歸模型中的數據均來自于臨床測量及實驗室檢測指標，具有很好的客觀性。因此，使用LASSO回歸構建的預測模型，可獲得性好、易推廣、實用性強，可用于輔助評估NAFLD進展性纖維化狀態，從而避免不必要的肝臟活檢。

本研究也有不足之處。首先，本研究樣本量小，不能客觀地反映數據的可靠性和結果的可信度，未來將增大樣本量，將不同地區和種族人群納入，通過多中心、大樣本的隊列研究，進一步驗證預測模型的效能。其次，NAFLD進展性纖維化的診斷標準是基于TE的LSM值，而不是以金標準肝活組織檢查作為參照，在準確性上稍顯不足；其次，本研究所采用的數據來自單中心，能否適用于其他研究，仍值得探索，有待于進一步的多中心臨床數據的驗證。