Viszeralmedizin NRW 2026. 192. Jahrestagung der Niederrheinisch-Westfälischen Gesellschaft für Chirurgie, 34. Jahrestagung der Gesellschaft für Gastroenterologie
Viszeralmedizin NRW 2026. 192. Jahrestagung der Niederrheinisch-Westfälischen Gesellschaft für Chirurgie, 34. Jahrestagung der Gesellschaft für Gastroenterologie
Maschinelles Lernen identifiziert MASH-Patienten im Fibrosestadium F2/3
Text
Hintergrund und Ziel: Metabolische Dysfunktion-assoziierte steatotische Lebererkrankung (MASLD) gehört zu den häufigsten Ursachen für chronische Lebererkrankung weltweit. Besonders der Progress zu fortgeschrittenen Stadien wie der Metabolische Dysfunktion-assoziierten Steatohepatitis (MASH) erhöht die Morbidität deutlich, weswegen kürzlich für MASH in den Fibrosestadien F2/3 mit Resmetirom die erste Therapie zugelassen wurde. Da die Identifikation geeigneter Patienten derzeit meist auf invasiven Biopsieergebnissen beruht, haben wir verschiedene Faktoren evaluiert, um Patienten mit erhöhtem Risiko künftig nicht-invasiv identifizieren zu können.
Methode: Aus der UK-Biobank-Kohorte der 40.781 Teilnehmer mit verfügbaren MRT-Daten haben wir Patienten mit einem Protonendichte-Fettanteil (PDFF) ≥ 5% als Gruppe mit steatotischer Lebererkrankung (SLD) klassifiziert. Die 220 Patienten mit einem Eisen-korrigierten T1 (cT1) > 880 ms bilden die Untergruppe mit fortgeschrittener Fibrose. Mithilfe eines Random Forest Classifier (RFC) Modells, welches über 400 Parameter aus den Bereichen Demografie, medizinische Vorgeschichte, Blut- und Serumparameter, Genomik und Metabolomik inkludiert, wurde das Vorliegen von fortgeschrittener Fibrose vorhergesagt. Aus den fünf vorhersagestärksten Parametern dieser Analyse haben wir ein logistisches Regressionsmodell erstellt.
Ergebnis: In unserem RFC-Modell ließ sich eine maximale Fläche unter der Grenzwertoptimierungskurve (AUROC) von 0,72 sowie Fläche unter der Precision-Recall-Kurve von 0,06 erreichen. Durch die Inklusion von 15 Genomischen und 250 Metabolomischen Features wurde keine Verbesserung der Vorhersagegenauigkeit erreicht. Als wichtigste Faktoren für cT1 > 880 ms zeigten sich BMI, CRP, Leukozyten, Alter und ALT. Das logistische Regressionsmodell aus diesen fünf Faktoren erreichte eine AUROC von 0,73.
Zusammenfassung: Unsere Analyse identifiziert fünf Parameter, dabei unter anderem inflammationsassoziierte Marker, als signifikante Prädiktoren für eine fortgeschrittene Leberfibrose bei SLD-Patienten. Dies bietet perspektivisch einen einfachen Ansatz zur frühzeitigen Identifikation von Patienten, die für eine Therapie mit Resmetirom in Frage kommen.



