贾伟教授团队 | Q300破译4284例临床大队列，精准锁定肝纤维化无创诊断Panel

全球慢性肝病负担持续攀升，代谢相关脂肪性肝病（MASLD） 与慢性乙型肝炎（CHB） 已成为肝纤维化、肝硬化乃至肝癌的主要推手。肝活检虽为 “金标准”，但有创、取样误差、依从性差；临床常用FIB-4（Fibrosis-4 Index，常规血液检查评估肝纤维化风险）简便易行，却在进展期纤维化确诊中特异性不足，难以满足精准诊疗需求。

图1. 技术路线

研究首先对4个队列共4284例参与者的基线特征进行系统描述，整体设计为发现队列（Cohort 1，n=3251）、测试队列（Cohort 2，n=729）及两个MASLD独立验证队列（Cohort 3，n=149；Cohort 4，n=155）。基线数据显示，随着纤维化分期从S0进展至S4（肝硬化），患者年龄呈显著上升趋势，血小板计数则逐步降低，AST（天冬氨酸氨基转移酶）、ALT（丙氨酸氨基转移酶）及FIB-4值也呈现与疾病程度一致的变化规律，符合慢性肝病进展的典型临床特征，为后续分析奠定了人群基础。

图2. 人群研究设计

通过Q300全定量代谢组学技术对人群血清样本进行检测，经Mann-Whitney U检验初步获得39个差异显著代谢物。随后采用ElasticNet与XGBoost双算法交叉筛选，在兼顾共线性控制与非线性关系捕捉的前提下，从Top20共有代谢物中最终锁定酪氨酸（Tyr）与牛磺胆酸（TCA）作为核心代谢标志物。多因素Logistic回归校正年龄、性别、BMI、糖尿病及用药等混杂因素后证实，两项标志物在CHB与MASLD人群中均与纤维化分期呈独立显著相关，且表现出清晰的剂量–效应关系，为模型构建提供了生物学靶点。

图3. 发现队列中的代谢物和生物标志物选择工作流程

基于筛选结果，构建Met-FIB模型：将传统FIB-4包含的年龄、AST、ALT、血小板计数4项指标，与Tyr、TCA两项代谢物整合，形成6参数诊断Panel。为选择最适配临床的算法，系统对比TabPFN、梯度提升、随机森林、类别提升及逻辑回归5种模型，经5折交叉验证与外部验证后确定TabPFN为最优算法。该Transformer架构模型在小样本下表现稳健、无需大量调参，灵敏度与特异性均衡性最佳；Shapley分析进一步显示，Tyr与TCA合计贡献24%的模型预测权重，且Tyr跻身显著纤维化预测Top3重要因子，是真实提升模型效能的关键成分。

模型效能验证结果显示：在Cohort 2中，Met-FIB区分CHB患者与对照的AUROC达0.928，识别显著纤维化、进展期纤维化及肝硬化的AUROC分别为0.669、0.770、0.897，均显著高于单独FIB-4及Tyr+TCA组合。针对肝硬化等低患病率事件，AUPRC比AUROC更具临床参考意义，Met-FIB的AUPRC全面领先对照方法，说明其在识别真阳性、降低假阳性方面具备明显优势。

图4. Met-FIB模型性能更优

研究针对MASLD人群常见的糖尿病混杂因素开展亚组分析，结果显示，糖尿病与非糖尿病纤维化患者的Tyr水平无统计学差异，Met‑FIB模型分布高度重叠，证明该模型检测的是肝纤维化本身的病理改变，而非全身代谢状态的间接信号，在复杂合并症人群中依然保持稳定可靠。

图5. Met-FIB不受混杂因素干扰

临床最具价值的双阈值（Rule-out/Rule-in）分析进一步凸显Met-FIB的实用性。在显著纤维化判断中，CHB队列排除灵敏度达96.3%、确诊特异性85.4%，MASLD队列排除灵敏度93.9%、确诊特异性90.2%；在进展期纤维化与肝硬化判断中，Met-FIB确诊特异性大于97.9%，远优于传统FIB-4。

与APRI、AST/ALT、NFS、BARD及FibroScan等现有无创工具对比显示，Met-FIB在排除灵敏度、确诊特异性、阳性/阴性预测值上全面占优，且灰色区间占比显著更小，在MASLD队列中灰区仅6.0%–18.1%，远低于NFS的47.7%，可大幅减少临床无法判断的中间状态。

图6. Met-FIB优于传统FIB-4等工具

本研究通过大样本、多队列、金标准对照、多维度统计验证，充分证实Met-FIB具备跨病因适用、全分期精准、高灵敏高特异、临床可落地的核心优势，为其从科研走向临床应用提供了完整且坚实的证据支持。