基于MRI技術的血液透析患者肝臟鐵過載和肝脂肪變性評估：現狀、挑戰與展望

劉虎 趙宏偉

摘要：在血液透析患者中，長期貧血治療使用的頻繁輸血和靜脈注射鐵劑方法會增加肝臟鐵過載和肝脂肪變性的風險，鐵的病理性累積也會對肝細胞造成損傷，不僅增加了患者發展為進行性肝纖維化和肝硬化的風險，還可能加快肝脂肪變性的進程。鐵過載和脂肪變性的這種雙重影響可能相互作用，加劇肝損傷，導致患者肝纖維化和肝硬化病情進一步惡化。現代MRI技術具有無創性和高重復性的特點，能夠同時定量評估肝臟鐵和脂肪含量，為早期診斷和干預肝臟疾病提供重要依據。近年來，現代MRI技術在肝臟疾病診療領域的應用取得了顯著進展，可以準確反映患者肝臟鐵過載和肝脂肪變性程度，并預測肝臟疾病發生風險。本文綜述了使用現代MRI技術評估血液透析患者肝臟鐵過載和肝脂肪變性狀況的最新進展和面臨的挑戰以及未來展望，旨在為臨床實踐提供有價值的參考。

關鍵詞：血液透析；肝臟鐵過載；肝脂肪變性；MRI；定量評估

中圖分類號： R445.2? 文獻標識碼： A? 文章編號：1000-503X（2024）03-0449-09

DOI：10.3881/j.issn.1000-503X.16066

MRI-Based Assessment of Hepatic Iron Overload and Steatosis in Patients Undergoing Hemodialysis：Current Status，Challenges，and Perspectives

LIU Hu，ZHAO Hongwei

Department of Radiology，The Second Hospital of Jiaxing，Jiaxing，Zhejiang 314000，China

Corresponding author：ZHAO Hongwei Tel：0573-82090467，E-mail：zhw0314@hotmail.com

ABSTRACT：Long-term treatment of anemia involving frequent blood transfusions and intravenous iron administration increases the risks of hepatic iron overload and steatosis in the patients undergoing hemodialysis.Pathological accumulation of iron damages hepatocytes，not only elevating the risks of progressive hepatic fibrosis and cirrhosis but also potentially accelerating the process of hepatic steatosis.Iron overload and steatosis may interact with each other，exacerbating liver damage and ultimately leading to further deterioration of hepatic fibrosis and cirrhosis.MRI characterized by non-invasiveness and high repeatability，enables the simultaneous quantitative assessment of hepatic iron and fat content，providing crucial information for early diagnosis and intervention of liver diseases.In recent years，researchers have achieved significant advances in the application of MRI in the diagnosis and treatment of liver diseases.MRI can accurately reflect the extent of hepatic iron overload and steatosis in patients and predict the risk of liver diseases.This article reviews the latest advances，challenges，and perspectives in the application of MRI in assessing hepatic iron overload and steatosis in the patients undergoing hemodialysis，aiming to offer valuable references for clinical practice.

Key words：hemodialysis；hepatic iron overload；hepatic steatosis；MRI；quantitative assessment

Acta Acad Med Sin，2024，46（3）：449-457

隨著全球慢性腎臟疾病（chronic kidney disease，CKD）患病率的持續上升，全球約有9.1%的人口，近7億人受到CKD的影響［1］。在中國，CKD患病率高達10.8%，約有1.2億人受到影響，且許多患者最終還需要血液透析，截至2021年底，國內約有75.1萬患者正在進行血液透析治療［2-3］。

中國的臨床試驗數據顯示接受透析患者中貧血具有普遍性，透析患者中貧血的發病率為91.6%～98.2%［4］。血液透析患者還常常伴有營養不良、代謝紊亂等因素，這些因素也會增加肝脂肪變性的風險，從而影響精確測量肝臟鐵含量（liver iron content，LIC）的過程［5］。近年來，現代MRI作為一種無創、可重復的影像技術，在血液透析患者肝臟鐵過載和肝脂肪變性的定量評估中得到了廣泛應用，為血液透析患者的精準管理提供了重要的參考依據［6］。本文將綜述現代MRI技術在血液透析患者肝臟鐵過載和肝脂肪變性評估中的應用研究進展，探討其臨床應用價值。

1 血液透析患者肝臟鐵過載及MRI檢查技術

1.1 血液透析患者發生肝臟鐵過載的原因

鐵缺乏和代謝障礙是血液透析患者貧血的主要原因。尿毒癥性腸病引起的消化道微小出血、透析過程中的血液損失、頻繁的血液檢測等［6］可導致血液透析患者每年損失2～5 L血液，相當于1～2.5 g的鐵［6-7］。紅細胞生成刺激劑治療法可引發鐵缺乏，因此接受紅細胞生成刺激劑治療的血液透析患者大都需要通過定期接受靜脈滴注、肌內注射鐵劑的兩種補鐵途徑來確保血液透析患者在治療期間鐵的充足［6］。

在常規臨床實踐中，血液透析患者的鐵補充基于血清鐵蛋白和轉鐵蛋白飽和度水平，但追求理想血紅蛋白水平時，可能會忽略過量鐵補充引起的鐵過載風險。鐵過載在血液透析患者中的發生率為13.0%～76.6%證實了過度依賴鐵補充來治療透析患者中的貧血常常會導致鐵過載［8-10］。過量鐵補充還可能導致鐵元素不能全用于血紅蛋白合成，卻會在肝臟網狀內皮系統沉積，大量鐵沉積可使肝臟成為最早表現鐵過載的器官［11］。肝臟鐵過載增加了血液透析患者面臨住院、感染和死亡風險的可能性［12-13］。

1.2 測量LIC的MRI技術

肝活檢是測定LIC的金標準，但存在明顯的局限性，如采樣誤差、侵入性、并發癥風險以及由于樣本量小造成的觀察者間和內部變異性等［14］。MRI因其非侵入性、可靠且重復性高的特點，已成為早期診斷肝臟鐵過載的定量評估替代方法，而信號強度比（signal intensity ratio，SIR）的方法、橫向弛豫時間（transverse relaxation time，T2）值來計算組織橫向弛豫率（transverse relaxation rate，R2）的方法（以下簡稱T2弛豫率測量法）和自由感應衰減橫向弛豫時間（free induction decay T2，T2*）值計算組織自由感應衰減橫向弛豫率（free induction decay R2，R2*）的方法（以下簡稱T2*弛豫率測量法）等為臨床常用MRI測量肝臟組織信號圖像數據定量評估LIC的技術。

1.2.1 SIR方法

SIR方法是最早用于檢測LIC的MRI半定量方法，通過肝臟和不沉積鐵的參考組織（通常為豎脊肌）信號強度之間的比值來估算LIC值，如正常肝臟（即不含鐵過載）的信號強度應該高于豎脊肌，如果肝臟相對于豎脊肌信號降低即表明鐵過載，因此通過比較肝臟與椎旁肌肉之間的相對信號強度可用來推測LIC值［15］。值得注意的是正常肝臟在短回波時間（time echo，TE）時信號略強于肌肉，而在長TE（大于14 ms）時，肝臟與肌肉信號相近，因為隨著LIC增加，肝臟相對于作為參照的肌肉信號下降，所以在LIC較高的情況下，如果肝臟信號在第一個TE完全消失，可采用小于2 ms的TE進行一次額外采集，可有效提高肝臟與椎旁肌肉之間的SIR分析精準度［16］。有研究顯示肝-肌SIR與肝活檢測得的LIC之間表現出高度相關性（r=0.80～0.92），表明出二者具有相似的定量關系［16-18］。上述研究者推薦的SIR方法是通過分析肝臟和椎旁肌肉的MRI圖像多個感興趣區域（region of interest，ROI）相對信號強度數據，計算不同TE下的各肝-肌SIR及總的SIR平均值，這些比值可根據肝活檢確定的LIC再進行校準，估算出LIC值，這樣獲得的LIC值跟采用Rennes大學發布的“基于網絡的轉換公式和計算器”得到的LIC值之間也具有很強的相關性［17-18］。

SIR方法的優點是易于在不同MRI制造商和平臺實施，特別是在只有常規設備（如1.5 T及以下的中高場MRI平臺）時也可提供測定LIC解決方案。不過使用肌肉作為參照組織會引入額外的變異性，對LIC值較低或患有肌少癥、肌脂肪浸潤的患者評估誤差較大，盡管短TE的使用能夠擴展SIR方法，甚至可以測量高達19.5 mg/g的LIC值，但在測量高LIC值時SIR方法仍受到較大限制［19］。

1.2.2 T2弛豫率測量法

T2弛豫率測量法利用自旋回波序列確定絕對的T2值，并將其轉換為R2（R2=1/T2）。雖然這種方法比較耗時，但通過測量組織的T2值能夠間接估算出組織中的鐵含量，基本上滿足組織中的鐵含量測量要求。

通過5個T2加權的單自旋回波序列、恒定重復時間和遞增TE，采用雙指數衰減模型來產生R2圖，并在R2圖上通過勾畫ROI相對信號強度數據，可估算出組織中的鐵含量，從而實現LIC值的測量，這就是目前Ferriscan公司開發的T2弛豫率測量法商業技術，已在美國、澳大利亞和歐洲獲得批準，可用于非侵入性測量LIC值［這種技術以下簡稱為R2（Ferriscan）］［20］。多中心和多供應商驗證表明，R2（Ferriscan）具有良好的可重復性和穩定的校準曲線，不受患者年齡、肝纖維化程度等因素影響，已被視為LIC值評估的非侵入性參考標準。但與T2弛豫率測量法有同樣不足，R2（Ferriscan）的使用受限于授權設備和1.5 T MRI平臺，且不支持肝臟脂肪濃度的同時測量，而分析服務的高成本、較長的采集時間、對運動敏感以及2 d的數據分析時間，又限制了其在臨床實踐中的普及［21-22］。此外，R2（Ferriscan）不適用于測量LIC超過約40 mg/g的鐵含量情況［19］。

1.2.3 T2*弛豫率測量法

T2*弛豫率測量法是通過二維或三維梯度回波序列在單個重復時間內設置多個TE，允許在單次激發后的TE范圍內獲取多個梯度回波圖像，可以在一次屏氣中完成整個肝臟的MRI圖像數據采集，采用偏移單指數模型擬合后可快速完成肝臟的R2*映射生成R2*參數圖，通過在R2*參數圖上勾畫ROI相對信號強度數據，配比測量出組織中的鐵含量，從而快速實現LIC值測量［23］。理想情況下，這種測量法的第一個TE應盡可能短（1 ms或更短），最后的TE應盡可能長（10～15 ms），不受運動和其他偽影的影響［23］。因此，正確選擇TE對于后期在R2*參數圖上準確測量R2*值至關重要，在高LIC值條件下，短TE（小于1 ms）是必需的，特別是在3 T磁場強度下，可能需要更短的TE［24-26］。在嚴重肝臟鐵過載的情況下，肝臟信號衰減非常迅速，同相位TE（3 T時為2.3 ms，1.5 T時為4.6 ms）可能太長而無法充分捕捉采集到這種快速信號衰減變化，衰減曲線的采樣可能不足以進行準確的R2*值估算，一般可以在第一個和最后一個回波之間采用盡可能多的回波數量或者對回波進行對數間隔采集解決，這可能需要利用較小頻率矩陣（192或224）、部分回波采樣和高接收帶寬（>100 kHz）［23］。為了抑制來自脂肪的潛在混淆信號干擾，除了通過短反轉時間反轉恢復技術或化學位移成像脂肪抑制技術在圖像數據采集過程中抑制脂肪信號外，另一種常用的方法是采用多峰脂肪模型建模在大范圍的TE組合上進行脂肪校正，高R2*值時常需要更短的TE來校準，因此短TE間隔（小于1 ms）對于捕獲高LIC下的快速信號衰減及校正脂肪的存在至關重要［27］。為了確保數據準確性同時縮短掃描時間，建議使用6到12個回波進行平衡采樣，還可通過多種MRI掃描技術實現，各種模式整合形成T2*弛豫率測量法的多樣性，如傳統Dixon技術及各種相位校正多回波Dixon技術［28-29］（這些技術以下簡稱為Dixon技術及其衍生方法）、定量磁化率成像（quantitative susceptibility mapping，QSM）技術等是較常用T2*弛豫率測量法。

Dixon技術及其衍生方法通過融合脂肪-水分離和R2*映射的Dixon變體，可消除與脂肪相關的偏差，而不會對R2*值產生噪聲損失。考慮到脂肪的光譜譜峰復雜性，復合非線性最小二乘擬合和脂肪校正R2*重建技術可在廣泛的TE組合和R2*值范圍內提供低偏差和優化噪聲性能的穩健R2*估計值，優化了肝臟中脂肪和鐵含量的同時測量，即使在脂肪存在的情況下也能進行無干擾的R2*值測量，特別是在輕至中度鐵過載的精確R2*值測量中尤為重要，因為脂肪校正顯著提高了測量準確性［24］。在1.5 T和3 T磁場強度下，肝臟R2*值與LIC值之間的良好線性相關性已得到驗證［24，30］。以活檢LIC值或基于R2（Ferriscan）的LIC值作為參考標準，肝臟R2*值測量通過各種1.5 T平臺進行了校準，有研究證明R2*值與活檢LIC值呈較強的線性相關，并可用以下校準公式描述LIC與R2*值之間的關系：LIC=0.202+0.0254R2*［31］；R2*值和基于R2（Ferriscan）的LIC值之間具有良好的相關性，提示R2*值可以指導肝臟鐵過載患者的臨床決策［21］。在1.5 T和3 T結果的直接比較研究，也進一步證實了R2*值測量在診斷和管理肝臟鐵過載疾病中的可靠性［30-33］。

QSM是基于磁敏感成像的一種改進技術，專門用于定量組織的磁化率，其中LIC值的測定與磁化率直接相關。2015年，Sharma等［34］首次證明了QSM技術在有效評估肝臟鐵過載方面的應用能力，相比傳統通過R2*值測量LIC的方法，QSM對脂肪、纖維化或水腫等干擾因素的敏感度更低，因而能提供準確測量結果［35］。此外，結合水-脂肪分離技術，QSM能有效克服化學位移造成的干擾，實現同時準確測量LIC值和肝臟脂肪含量［36］。

與T2弛豫率測量法相比，Dixon技術及其衍生方法、QSM技術等具有可同時準確測量LIC值和肝臟脂肪含量的優勢，更好地消除脂肪等干擾因素對LIC值測量的影響，因此綜合考慮成本、采集時間和測量準確性等因素，T2*弛豫率測量法被推薦為測量LIC的首選方法［19］。但Dixon技術及其衍生方法、QSM等技術方法也存在一定的局限，如不適合在1.5 T設備上進行超過40 mg/g或在3 T設備上進行超過26 mg/g的LIC值測量等，還需要研究者進一步優化或開發新的MRI產品來解決［19］。

2 血液透析患者肝脂肪變性及MRI檢查技術

2.1 血液透析患者發生肝脂肪變性的原因

肝脂肪變性是肝內脂肪（主要是甘油三酯）過度堆積，當肝細胞內脂肪含量超過肝重的5%時可診斷為肝脂肪變性病。有研究顯示接受透析治療的兒童中有19.4%患有非酒精性脂肪肝病（non-alcoholic fatty liver disease，NAFLD），而在819例CKD患者中，15.7%被診斷為NAFLD，特別在非糖尿病CKD患者中，無論是接受透析還是處于CKD腫瘤分級3～5級的患者，NAFLD的發病率高達56%［37-39］。這些數據顯示NAFLD在透析患者中的普遍性。

CKD患者與NAFLD患者之間存在共同的致病機制，如胰島素抵抗、脂質毒性、炎癥反應及氧化應激［40］。CKD可能通過影響腸道菌群、腸道屏障功能、糖皮質激素代謝及積累尿毒癥相關代謝物加劇NAFLD的發展［41］。此外，血液透析患者NAFLD的發生也與血中丙氨酸轉氨酶、天冬氨酸轉氨酶、脂質水平及C反應蛋白水平顯著相關［39］。

2.2 血液透析患者肝脂肪變性的MRI檢查技術

鑒于肝活檢的侵入性特點及其相關風險，歐洲肝臟研究協會和美國肝臟疾病研究協會均推薦采用MRI作為無創方法來診斷肝脂肪變性［42-43］。現代MRI技術以其高靈敏度和特異性，在檢測和定量肝臟中脂肪含量方面表現出卓越性能，為臨床提供了一個安全且可靠的診斷工具。

傳統的定性MRI技術，如雙回波序列下的化學位移成像技術，通過利用脂肪與水的不同共振頻率，可提供肝臟脂肪含量的粗略定量。但這種方法的一個固有假設是基于脂肪的單峰脂肪模型，然而脂肪信號除了主要的亞甲基峰外，還包含多個光譜脂肪峰，這導致了多個脂肪峰之間復雜的振蕩信號，因此使用同相回波進行R2*值測量時，如果未校正脂肪的多光譜復合性影響，會導致脂肪含量測量時的顯著誤差，存在一定的局限性［27］。由于組織中的甘油三酯含量可以通過混雜校正磁共振波譜（magnetic resonance spectroscopy，MRS）和混雜校正化學位移編碼（chemical shift-encoded，CSE）進行定量檢測，所以臨床中常常也采用MRS和CSE-MRI成像技術來進行肝臟脂肪含量的定量檢測。現代MRI技術均利用脂肪和水之間的化學位移差異來區分和測量脂肪與水的質子信號，并測定歸一化的脂肪信號含量，脂肪信號含量除以脂肪和水總的質子密度含量所得的比值即為質子密度脂肪分數（proton density fat fraction，PDFF），與組織學檢查中的脂肪含量相關聯，計算PDFF需對MRI數據進行后處理和重建，擬合至一個精確的水和脂肪光譜模型，并校正縱向弛豫時間、T2*衰減、渦流、脂肪光譜復雜性、噪聲相關偏差及伴隨梯度等混淆因素的干擾，包括使用較長的TE進行MRS成像或小翻轉角度化學位移MRI掃描、采用允許水和脂肪信號獨立校正的“雙重”T2*衰減模型、對多脂肪峰光譜進行校正、使用幅度辨別技術避免噪聲偏差、基于復合化學位移的水-脂肪分離方法、采用小翻轉角損毀梯度回波成像等，利用合適的水-脂肪分離技術將肝臟信號分解或分離為脂肪和水信號成分，自動生成肝臟的PDFF參數圖，通過在PDFF參數圖上勾畫ROI測量，可有效地進行肝臟脂肪含量的定量檢測［44］。

2.2.1 現代MRS技術

在現代MRS分析中，水質子產生的信號位于化學位移4.7 ppm處，呈現為一個尖銳的單峰，而脂肪質子則因與脂肪分子中相鄰原子的化學鍵作用，形成多個獨特的譜峰。使用現代MRS技術檢測脂肪含量相對簡單，主要涉及識別和測量與脂肪質子相關的特定頻率信號峰［45］。薈萃分析顯示，混雜校正MRS的敏感性在73%～89%之間，特異性在92%～96%之間［46］。現代MRS技術的局限性主要包括使用單體素掃描序列可能導致的采樣變異性以及ROI覆蓋較大范圍時所需的圖像采集時間將成倍增加。

2.2.2 CSE-MRI技術

CSE-MRI通過精確測量和利用脂肪與水分子之間固有的化學位移差異來區分并定量這兩種組成成分的信號，主要包括基于幅度和基于復合化學位移成像的兩種定量檢測方法，能夠在患者一次屏氣內完成整個肝臟實時的PDFF圖重建，大約需時15 s［47］。CSE-MRI-PDFF作為測量肝臟脂肪含量的首選技術，其準確性甚至優于活檢［48］。CSE-MRI-PDFF與MRS-PDFF之間呈現高度線性相關性（R2=0.96），顯示出良好的重復性和再現性［48］。基于幅度化學位移成像的CSE-MRI技術的主要不足之處在于其信噪比較低，并且其可測量的PDFF動態范圍僅限于0～50%；但基于復合化學位移成像的CSE-MRI技術同時結合了相位和幅度信息，不僅信噪比更高，還能夠測量覆蓋0～100%完整動態范圍的PDFF。

3 現代MRI技術在LIC和肝臟脂肪含量評估中的臨床應用與面臨挑戰

使用CSE-MRI技術進行一次采集，既可以生成PDFF形式的肝臟脂肪含量評估圖，也可以生成對脂肪存在混淆因素校正的R2*圖［49］。這些圖提供了代表肝臟脂肪含量的PDFF和LIC的R2*值的直觀展示，其中R2*值與LIC值成正比。通過在這些圖像上的肝實質內標定ROI，可以定量測量LIC和肝臟脂肪含量。目前關于分析PDFF和R2*參數圖的最佳技術尚未達成共識，因為用于測量的ROI的大小和數量，以及ROI放置的位置存在很大的變異性［50］。這些差異可能阻礙了不同機構或者不同設備之間PDFF和R2*值的準確測量比較。

正如之前所述，在血液透析患者中，通過現代MRI技術同時測量R2*值和PDFF時，由于肝臟中的鐵和脂肪在患者疾病發展過程中通常不是獨立存在的，他們之間相互成為了混淆因素。有研究揭示了靜脈鐵劑治療引起的肝臟鐵過載對肝臟PDFF有顯著的影響［6］。Colgan等［51］的研究揭示了R2*值對PDFF測量準確性的顯著影響，特別是在R2*值達到1000 s-1時，PDFF測量誤差可達20%。同時，Bashir等［52］的研究發現，NAFLD患者中肝臟PDFF與R2*值顯著正相關，在不同磁場強度下，PDFF對R2*值測量均有不同的影響。此外，QSM技術在肝硬化患者中應用時，需考慮膠原蛋白含量變化對R2*值測量準確性具有重要影響，強調了綜合考慮膠原蛋白含量對R2*值測量結果影響的必要性［53］。在慢性肝病患者中采用3D多回波Dixon技術的研究表明，即使在無肝臟鐵過載的情況下，肝臟R2*值測量結果也可能受到肝纖維化的顯著影響［54］。

4 現代MRI技術對LIC和肝臟脂肪含量評估的未來發展趨勢

4.1 提升自動化與智能化水平

目前的肝臟PDFF和LIC測量通常需要手動選擇ROI，這一過程因需要勾畫多個ROI以減少測量誤差，從而保證準確性，但因此會耗時較長［55］。全肝自動分割技術相比手動選擇ROI策略可以提供更高的精度和效率，顯示了測量分析自動化的優勢［56-57］。基于深度學習的卷積神經網絡技術也已被開發應用于臨床上，實現了肝實質的全自動分割，從而能夠準確測量PDFF和R2*值［58］。這種基于深度學習的全自動分割技術通過分析傳統同反相位縱向弛豫時間加權MRI圖像數據進行推斷PDFF值的測量結果明顯優于兩點法Dixon技術，而且與CSE-MRI-PDFF方法之間具有極高的一致性（ICC=0.99）［59］。這也凸顯了基于深度學習的卷積神經網絡技術在精確測量肝臟脂肪含量方面的巨大潛力和優勢。

4.2 縮短現代MRI技術掃描時間

利用基于深度學習開發的多解碼器水脂分離神經網絡技術僅需3個回波采集即可獲得基于復合化學位移成像的CSE-MRI圖像，通過后處理從而能夠準確計算出CSE-MRI-PDFF值。與傳統6回波采集技術測量方法相比，肝臟PDFF值無顯著差異，卻能將圖像采集所需回波數量減少50%，從而顯著縮短現代MRI技術掃描時間［60］。

4.3 提高現代MRI技術定量測量的準確性和可靠性

當前研究正不斷推動現代MRI技術掃描參數和后處理算法的優化，目標是提高MRI定量測量的準確性和可靠性。新開發的MRI校正技術致力于減少血液透析患者因呼吸運動和設備間差異引起的誤差［61-62］。非對稱回波的最小二乘估算法迭代水脂分離方法是一種新型MRI水脂分離技術，利用梯度回波和優化回波位移在多個TE采集圖像，解決了T2*效應/場的不均勻性問題，可以實現在LIC較高條件下對肝臟脂肪含量的準確測量，有效解決了在LIC和肝臟脂肪同時升高的情況下傳統技術會因脂肪和鐵誘導的信號變化相互抵消從而導致LIC和肝臟脂肪被低估的問題［63］。此外，針對CSE-MRI在測量肝臟PDFF和R2*值時可能出現的共生梯度相位誤差問題，Roberts等［64］研究者提出了一種聯合估計特定通道相位項的新方法，成功降低了等中心點附近PDFF和R2*值測量的偏差，進一步提高了肝臟脂肪含量和LIC值測量的精度。隨著新技術和新產品的持續迭代優化，預期將進一步提升LIC和肝臟脂肪含量定量測量的精確度和可靠性。

5 總結和展望

現代MRI技術憑借其無創性、高精度和出色的重復性，可定量測量血液透析患者LIC和肝臟脂肪含量，LIC和肝臟脂肪含量作為判斷肝臟鐵過載和肝脂肪變性嚴重程度的重要生物標志物，其測量結果為血液透析患者的精準管理提供重要的參考依據。隨著醫療設備發展和信息技術的不斷進步，尤其是人工智能技術的應用，采用深度學習模型分析MRI圖像使得對肝臟鐵過載和肝脂肪變性的識別與測量變得更加精確，而且大大縮短了現代MRI技術掃描時間，顯著提升了LIC和肝臟脂肪含量定量評估的準確性和效率，可以準確反映血液透析患者肝臟鐵過載和肝脂肪變性程度，并預測肝臟疾病發生風險。

展望未來，雖然現代MRI技術在血液透析患者LIC和肝臟脂肪含量精準評估中仍然面臨著很大的挑戰，但相信隨著更高級的圖像處理算法和多源數據綜合分析技術的發展，基于現代MRI技術的LIC和肝臟脂肪含量定量評估有望成為評估血液透析患者肝臟鐵過載和肝脂肪變性的分布、檢測、分級及監測治療療效的首選方法。這將為血液透析患者提供更加個性化的診斷及治療方案，推動現代MRI技術在臨床實踐中發揮更大的作用。

利益沖突 所有作者聲明無利益沖突

作者貢獻聲明 劉虎：研究選題，數據文獻搜集、閱讀并起草文章；趙宏偉：參與研究選題，對論文進行審閱、修訂并同意對研究工作誠信負責

參 考 文 獻

［1］GBD Chronic Kidney Disease Collaboration.Global，regional，and national burden of chronic kidney disease，1990-2017：a systematic analysis for the Global Burden of Disease Study 2017[J].Lancet，2020，395（10225）：709-733.DOI：10.1016/S0140-6736（20）30045-3.

［2］《中國圍透析期慢性腎臟病管理規范》專家組.中國圍透析期慢性腎臟病管理規范[J].中華腎臟病雜志，202 37（8）：690-704.DOI：10.3760/cma.j.cn441217-20210322-00104.

［3］中國醫師協會腎臟內科醫師分會血液透析濾過質控指南工作組.血液透析濾過質量控制臨床實踐指南[J].中華醫學雜志，2024，104（8）：571-593.DOI：10.3760/cma.j.cn112137-20231212-01361.

［4］中國醫師協會腎臟內科醫師分會腎性貧血指南工作組.中國腎性貧血診治臨床實踐指南[J].中華醫學雜志，202 101（20）：1463-1502.DOI：10.3760/cma.j.cn112137-20210201-00309.

［5］Wong WK，Chan WK，Ganapathy SS，et al.Metabolic dysfunction-associated fatty liver disease （MAFLD） and advanced liver fibrosis among hemodialysis patients in a multiethnic urban population in Malaysia[J].Semin Dial，2023，36（2）：107-116.DOI：10.1111/sdi.13117.

［6］Rostoker G，Loridon C，Griuncelli M，et al.Liver iron load influences hepatic pat fraction in end-stage renal disease patients on dialysis：a proof of concept study[J].EBioMedicine，2019，39：461-471.DOI：10.1016/j.ebiom.2018.11.020.

［7］Sargent JA，Acchiardo SR.Iron requirements in hemodialysis[J].Blood Purif，2004，22（1）：112-123.DOI：10.1159/000074931.

［8］Canavese C，Bergamo D，Ciccone G，et al.Validation of serum ferritin values by magnetic susceptometry in predicting iron overload in dialysis patients[J].Kidney Int，2004，65（3）：1091-1098.DOI：10.1111/j.1523-1755.2004.00480.x.

［9］Ghoti H，Rachmilewitz EA，Simon-Lopez R，et al.Evidence for tissue iron overload in long-term hemodialysis patients and the impact of withdrawing parenteral iron[J].Eur J Haematol，2012，89（1）：87-93.DOI：10.1111/j.1600-0609.2012.01783.x.

［10］Delibas D，Evrimler S，Ercan K，et al.Iron overload in hemodialysis patients：comparison of serum iron parameters with T2* MRI sequence[J].J Clin Ultrasound，2023，52（2）：124-130.DOI：10.1002/jcu.23608.

［11］Rostoker G.When should iron supplementation in dialysis patients be avoided，minimized or withdrawn[J].Semin Dial，2019，32（1）：22-29.DOI：10.1111/sdi.12732.

［12］Del Vecchio L，Longhi S，Locatelli F.Safety concerns about intravenous iron therapy in patients with chronic kidney disease[J].Clin Kidney J，2016，9（2）：260-267.DOI：10.1093/ckj/sfv142.

［13］Li X，Cole SR，Kshirsagar AV，et al.Safety of dynamic intravenous iron administration strategies in hemodialysis patients[J].Clin J Am Soc Nephrol，2019，14（5）：728-737.DOI：10.2215/CJN.03970318.

［14］Low G，Ferguson C，Locas S，et al.Multiparametric MR assessment of liver fat，iron，and fibrosis：a concise overview of the liver “triple screen”[J].Abdom Radiol （NY），2023，48（6）：2060-2073.DOI：10.1007/s00261-023-03887-0.

［15］Mazé J，Vesselle G，Herpe G，et al.Evaluation of hepatic iron concentration heterogeneities using the MRI R2* mapping method[J].Eur J Radiol，2019，116：47-54.DOI：10.1016/j.ejrad.2018.02.011.

［16］Rose C，Vandevenne P，Bourgeois E，et al.Liver iron content assessment by routine and simple magnetic resonance imaging procedure in highly transfused patients[J].Eur J Haematol，2006，77（2）：145-149.DOI：10.1111/j.0902-4441.2006.t01-1-EJH2571.x.

［17］Gandon Y，Olivie D，Guyader D，et al.Non-invasive assessment of hepatic iron stores by MRI[J].Lancet，2004，363（9406）：357-362.DOI：10.1016/S0140-6736（04）15436-6.

［18］Alustiza JM，Artetxe J，Castiella A，et al.MR quantification of hepatic iron concentration[J].Radiology，2004，230（2）：479-484.DOI：10.1148/radiol.2302020820.

［19］Reeder SB，Yokoo T，Franca M，et al.Quantification of liver iron overload with MRI：review and guidelines from the ESGAR and SAR[J].Radiology，2023，307（1）：e221856.DOI：10.1148/radiol.221856.

［20］St Pierre TG，Clark PR，Chua-anusorn W，et al.Noninvasive measurement and imaging of liver iron concentrations using proton magnetic resonance[J].Blood，2005，105（2）：855-861.DOI：10.1182/blood-2004-01-0177.

［21］Craft ML，Edwards M，Jain TP，et al.R2 and R2* MRI assessment of liver iron content in an undifferentiated diagnostic population with hyperferritinaemia，and impact on clinical decision making[J].Eur J Radiol，202 135：109473.DOI：10.1016/j.ejrad.2020.109473.

［22］Hernando D，Levin YS，Sirlin CB，et al.Quantification of liver iron with MRI：state of the art and remaining challenges[J].J Magn Reson Imaging，2014，40（5）：1003-1021.DOI：10.1002/jmri.24584.

［23］Sirlin CB，Reeder SB.Magnetic resonance imaging quantification of liver iron[J].Magn Reson Imaging Clin N Am，2010，18（3）：359-38 ix.DOI：10.1016/j.mric.2010.08.014.

［24］Hernando D，Kramer JH，Reeder SB.Multipeak fat-corrected complex R2* relaxometry：theory，optimization，and clinical validation[J].Magn Reson Med，2013，70（5）：1319-1331.DOI：10.1002/mrm.24593.

［25］Krafft AJ，Loeffler RB，Song R，et al.Quantitative ultrashort echo time imaging for assessment of massive iron overload at 1.5 and 3 Tesla[J].Magn Reson Med，2017，78（5）：1839-1851.DOI：10.1002/mrm.26592.

［26］Doyle EK，Toy K，Valdez B，et al.Ultra-short echo time images quantify high liver iron[J].Magn Reson Med，2018，79（3）：1579-1585.DOI：10.1002/mrm.26791.

［27］Hernando D，Kuhn JP，Mensel B，et al.R2* estimation using “in-phase” echoes in the presence of fat：the effects of complex spectrum of fat[J].J Magn Reson Imaging，2013，37（3）：717-726.DOI：10.1002/jmri.23851.

［28］Zhan C，Olsen S，Zhang HC，et al.Detection of hepatic steatosis and iron content at 3 Tesla：comparison of two-point Dixon，quantitative multi-echo Dixon，and MR spectroscopy[J].Abdom Radiol （NY），2019，44（9）：3040-3048.DOI：10.1007/s00261-019-02118-9.

［29］Henninger B，Zoller H，Kannengiesser S，et al.3D multiecho Dixon for the evaluation of hepatic iron and fat in a clinical setting[J].J Magn Reson Imaging，2017，46（3）：793-800.DOI：10.1002/jmri.25630.

［30］Hernando D，Cook RJ，Qazi N，et al.Complex confounder-corrected R2* mapping for liver iron quantification with MRI[J].Eur Radiol，202 31（1）：264-275.DOI：10.1007/s00330-020-07123-x.

［31］Wood JC，Enriquez C，Ghugre N，et al.MRI R2 and R2* mapping accurately estimates hepatic iron concentration in transfusion-dependent thalassemia and sickle cell disease patients[J].Blood，2005，106（4）：1460-1465.DOI：10.1182/blood-2004-10-3982.

［32］dAssignies G，Paisant A，Bardou-Jacquet E，et al.Non-invasive measurement of liver iron concentration using 3-Tesla magnetic resonance imaging：validation against biopsy[J].Eur Radiol，2018，28（5）：2022-2030.DOI：10.1007/s00330-017-5106-3.

［33］Garbowski MW，Carpenter JP，Smith G，et al.Biopsy-based calibration of T2* magnetic resonance for estimation of liver iron concentration and comparison with R2 Ferriscan[J].J Cardiovasc Magn Reson，2014，16（1）：40.DOI：10.1186/1532-429X-16-40.

［34］Sharma SD，Hernando D，Horng DE，et al.Quantitative susceptibility mapping in the abdomen as an imaging biomarker of hepatic iron overload[J].Magn Reson Med，2015，74（3）：673-683.DOI：10.1002/mrm.25448.

［35］Li J，Lin H，Liu T，et al.Quantitative susceptibility mapping （QSM） minimizes interference from cellular pathology in R2* estimation of liver iron concentration[J].J Magn Reson Imaging，2018，48（4）：1069-1079.DOI：10.1002/jmri.26019.

［36］Lin H，Wei H，He N，et al.Quantitative susceptibility mapping in combination with water-fat separation for simultaneous liver iron and fat fraction quantification[J].Eur Radiol，2018，28（8）：3494-3504.DOI：10.1007/s00330-017-5263-4.

［37］Madihi Y，Tavakoli R，Riahinezhad M，et al.Prevalence of nonalcoholic fatty liver disease in children with renal failure underwent treatment with dialysis[J].Int J Prev Med，2022，13：35.DOI：10.4103/ijpvm.ijpvm_410_21.

［38］Choe AR，Ryu DR，Kim HY，et al.Noninvasive indices for predicting nonalcoholic fatty liver disease in patients with chronic kidney disease[J].BMC Nephrol，2020，21（1）：50.DOI：10.1186/s12882-020-01718-8.

［39］Behairy MA，Sherief AF，Hussein HA.Prevalence of non-alcoholic fatty liver disease among patients with non-diabetic chronic kidney disease detected by transient elastography[J].Int Urol Nephrol，202 53（12）：2593-2601.DOI：10.1007/s11255-021-02815-9.

［40］Kanbay M，Bulbul MC，Copur S，et al.Therapeutic implications of shared mechanisms in non-alcoholic fatty liver disease and chronic kidney disease[J].J Nephrol，202 34（3）：649-659.DOI：10.1007/s40620-020-00751-y.

［41］Singal AK，Hasanin M，Kaif M，et al.Nonalcoholic steatohepatitis is the most rapidly growing indication for simultaneous liver kidney transplantation in the United States[J].Transplantation，2016，100（3）：607-612.DOI：10.1097/TP.0000000000000945.

［42］European Association for the Study of the Liver （EASL），European Association for the Study of Diabetes （EASD），European Association for the Study of Obesity （EASO）.EASL-EASD-EASO clinical practice guidelines for the management of non-alcoholic fatty liver disease[J].J Hepatol，2016，64（6）：1388-1402.DOI：10.1016/j.jhep.2015.11.004.

［43］Chalasani N，Younossi Z，Lavine JE，et al.The diagnosis and management of non-alcoholic fatty liver disease：practice guideline by the American association for the study of liver diseases，American college of gastroenterology，and the American gastroenterological association[J].Hepatology，2012，55（6）：2005-2023.DOI：10.1002/hep.25762.

［44］Reeder SB，Cruite I，Hamilton G，et al.Quantitative assessment of liver fat with magnetic resonance imaging and spectroscopy[J].J Magn Reson Imaging，201 34（4）：729-749.DOI：10.1002/jmri.22775.

［45］Cassidy FH，Yokoo T，Aganovic L，et al.Fatty liver disease：MR imaging techniques for the detection and quantification of liver steatosis[J].Radiographics，2009，29（1）：231-260.DOI：10.1148/rg.291075123.

［46］Bohte AE，van Werven JR，Bipat S，et al.The diagnostic accuracy of US，CT，MRI and 1H-MRS for the evaluation of hepatic steatosis compared with liver biopsy：a meta-analysis[J].Eur Radiol，201 21（1）：87-97.DOI：10.1007/s00330-010-1905-5.

［47］Meisamy S，Hines CD，Hamilton G，et al.Quantification of hepatic steatosis with T1-independent，T2-corrected MR imaging with spectral modeling of fat：blinded comparison with MR spectroscopy[J].Radiology，201 258（3）：767-775.DOI：10.1148/radiol.10100708.

［48］Yokoo T，Serai SD，Pirasteh A，et al.Linearity，bias，and precision of hepatic proton density fat fraction measurements by using MR imaging：a meta-analysis[J].Radiology，2018，286（2）：486-498.DOI：10.1148/radiol.2017170550.

［49］Kuhn JP，Hernando D，Munoz del Rio A，et al.Effect of multipeak spectral modeling of fat for liver iron and fat quantification：correlation of biopsy with MR imaging results[J].Radiology，2012，265（1）：133-142.DOI：10.1148/radiol.12112520.

［50］Campo CA，Hernando D，Schubert T，et al.Standardized approach for ROI-based measurements of proton density fat fraction and R2* in the liver[J].Am J Roentgenol，2017，209（3）：592-603.DOI：10.2214/AJR.17.17812.

［51］Colgan TJ，Zhao R，Roberts NT，et al.Limits of fat quantification in the presence of iron overload[J].J Magn Reson Imaging，202 54（4）：1166-1174.DOI：10.1002/jmri.27611.

［52］Bashir MR，Wolfson T，Gamst AC，et al.Hepatic R2* is more strongly associated with proton density fat fraction than histologic liver iron scores in patients with nonalcoholic fatty liver disease[J].J Magn Reson Imaging，2019，49（5）：1456-1466.DOI：10.1002/jmri.26312.

［53］Jafari R，Hectors SJ，Koehne de González AK，et al.Integrated quantitative susceptibility and R2* mapping for evaluation of liver fibrosis：an ex vivo feasibility study[J].NMR Biomed，202 34（1）：e4412.DOI：10.1002/nbm.4412.

［54］Hu F，Yang R，Huang Z，et al.3D multi-echo dixon technique for simultaneous assessment of liver steatosis and iron overload in patients with chronic liver diseases：a feasibility study[J].Quant Imaging Med Surg，2019，9（6）：1014-1024.DOI：10.21037/qims.2019.05.20.

［55］Hong CW，Wolfson T，Sy EZ，et al.Optimization of region-of-interest sampling strategies for hepatic MRI proton density fat fraction quantification[J].J Magn Reson Imaging，2018，47（4）：988-994.DOI：10.1002/jmri.25843.

［56］Martí-Aguado D，Jiménez-Pastor A，Alberich-Bayarri ，et al.Automated whole-liver MRI segmentation to assess steatosis and iron quantification in chronic liver disease[J].Radiology，2022，302（2）：345-354.DOI：10.1148/radiol.2021211027.

［57］Wang K，Mamidipalli A，Retson T，et al.Automated CT and MRI liver segmentation and biometry using a generalized convolutional neural network[J].Radiol Artif Intell，2019，1（2）：180022.DOI：10.1148/ryai.2019180022.

［58］Jimenez-Pastor A，Alberich-Bayarri A，Lopez-Gonzalez R，et al.Precise whole liver automatic segmentation and quantification of PDFF and R2* on MR images[J].Eur Radiol，202 31（10）：7876-7887.DOI：10.1007/s00330-021-07838-5.

［59］Wang K，Cunha GM，Hasenstab K，et al.Deep learning for inference of hepatic proton density fat fraction from T1-weighted in-phase and opposed-phase MRI：retrospective analysis of population-based trial data[J].Am J Roentgenol，2023，221（5）：620-631.DOI：10.2214/ajr.23.29607.

［60］Meneses JP，Arrieta C，Della Maggiora G，et al.Liver PDFF estimation using a multi-decoder water-fat separation neural network with a reduced number of echoes[J].Eur Radiol，2023，33（9）：6557-6568.DOI：10.1007/s00330-023-09576-2.

［61］Gilligan LA，Dillman JR，Tkach JA，et al.Comparison of navigator-gated and breath-held image acquisition techniques for multi-echo quantitative dixon imaging of the liver in children and young adults[J].Abdom Radiol （NY），2019，44（6）：2172-2181.DOI：10.1007/s00261-019-01960-1.

［62］Armstrong T，Zhong X，Shih SF，et al.Free-breathing 3D stack-of-radial MRI quantification of liver fat and R2* in adults with fatty liver disease[J].Magn Reson Imaging，2022，85：141-152.DOI：10.1016/j.mri.2021.10.016.

［63］Eskreis-Winkler S，Corrias G，Monti S，et al.IDEAL-IQ in an oncologic population：meeting the challenge of concomitant liver fat and liver iron[J].Cancer Imaging，2018，18（1）：51.DOI：10.1186/s40644-018-0167-3.

［64］Roberts NT，Hernando D，Panagiotopoulos N，et al.Addressing concomitant gradient phase errors in time-interleaved chemical shift-encoded MRI fat fraction and R2* mapping with a pass-specific phase fitting method[J].Magn Reson Med，2022，87（6）：2826-2838.DOI：10.1002/mrm.29175.

（收稿日期：2024-03-06）