机器学习和深度学习在代谢功能障碍相关脂肪肝疾病中的应用：系统评价和荟萃分析

1. 领域背景与文献

文献英文标题：Application of machine learning and deep learning in metabolic dysfunction-associated steatotic liver disease: a systematic review and meta-analysis

发表期刊：未公开；影响因子：未公开；研究领域：代谢功能障碍相关脂肪性肝病非侵入性诊断
领域共识：代谢功能障碍相关脂肪性肝病（MASLD，原称非酒精性脂肪性肝病）是全球最常见的慢性肝病病因之一，随着肥胖和糖尿病发病率升高，其患病率已接近30%，约25%的患者会进展为代谢功能障碍相关脂肪性肝炎（MASH）和肝纤维化，进而升高肝硬化、肝细胞癌、肝移植及肝相关死亡风险，因此早期准确诊断疾病进展对及时干预至关重要。

目前肝穿刺活检仍是诊断MASH及相关纤维化的金标准，但由于其有创性、检测费用高、不同病理医师阅片存在诊断差异，不适用于MASLD人群的常规筛查。而基于简单经典回归方法的非侵入性检测，如纤维化-4指数、天冬氨酸氨基转移酶-血小板比值、非酒精性脂肪肝纤维化评分等，在不同研究人群中的稳健性有限。随着人工智能技术发展，机器学习和深度学习在医学图像处理和诊断问题解决中展现出明显优势，已有多项研究将其用于MASLD相关的生物标志物发现和严重程度预后预测建模，但此前缺乏全面系统的荟萃分析，综合评估两类方法在该快速发展领域中的诊断性能。本研究针对这一研究空白，评估机器学习和深度学习诊断MASH及相关肝纤维化的性能，并比较两种方法的诊断差异，为临床诊断模型选择提供循证依据，对推动MASLD非侵入性诊断发展具有重要学术价值。

2. 文献综述解析

本研究围绕人工智能算法在MASLD进展诊断中的应用主题，系统梳理了已发表的原创性研究，从算法类型、应用场景、诊断性能维度对现有研究进行分类评述。现有研究已经证实，相较于传统非侵入性评分系统，机器学习和深度学习模型在诊断MASH和肝纤维化中具有更高的准确性，其中机器学习擅长挖掘大样本数据中的隐藏模式，识别复杂数据间的关联，可处理复杂、共线性、高维度数据；深度学习则在处理图像、多组学等非结构化数据中具有突出优势，可自动提取相关特征构建疾病分类和病灶检测模型。现有研究也存在明显局限性，多数纳入研究缺乏外部验证，存在模型过拟合风险，诊断性能可能被高估，同时不同研究采用的人群特征、数据收集方案差异较大，异质性较高，且部分亚组分析可用研究数量有限，无法为不同临床场景下的模型选择提供明确结论。

本研究的创新价值在于，它是较早系统全面评估机器学习和深度学习在MASH及相关肝纤维化中诊断性能的荟萃分析之一，不仅评估了两类算法的整体诊断性能，还进一步按肝纤维化分期、地理区域、算法类型（集成/非集成）、发表年份分层开展亚组分析，明确了不同场景下性能最优的算法，填补了领域内系统性比较研究的空白，研究结论可为后续诊断模型开发和临床应用提供明确参考，推动人工智能在MASLD精准诊断中的转化应用。

3. 研究思路总结与详细解析

本研究的研究目标是评估机器学习和深度学习诊断MASH及相关肝纤维化的性能，明确不同算法的诊断差异，核心科学问题是不同类型人工智能算法在MASLD进展诊断中的实际表现如何，哪些算法在特定场景下性能最优，技术路线形成了“文献检索筛选→纳入研究数据提取→方法学质量评价→荟萃分析合并效应量→亚组分析比较→结论总结”的完整逻辑闭环。

3.1 文献检索与研究筛选

实验目的：系统检索已发表的相关研究，按照标准筛选出符合要求的研究用于后续分析。方法细节：在PubMed、Web of Science、Embase和Cochrane Library四个数据库从建库至2025年5月18日开展检索，检索词涵盖疾病名称、人工智能相关术语、诊断与预后相关术语；研究方案在国际 prospective 系统评价注册平台PROSPERO完成注册；由两名独立研究者依次筛选题目摘要和全文，存在分歧时由第三名独立研究者裁决，纳入标准为18岁及以上确诊MASH的患者，研究类型为队列、病例对照、随机对照试验或横断面研究，诊断以肝活检或影像学为依据，开发或验证了机器学习/深度学习诊断模型，排除综述、摘要等非原创研究、非人体研究、合并其他慢性肝病、非英文发表、仅使用简单回归方法的研究。结果解读：研究筛选流程见图，初始共检索获得4314项研究，去重后剩余2206项，经逐层筛选最终106项研究符合纳入标准，其中35项研究共29130名患者拥有可用数据被纳入最终荟萃分析；结果显示2021年后该领域研究数量呈现快速增长趋势，传统机器学习中逻辑回归是最常用的算法，其次为随机森林、支持向量机和极限梯度提升，深度学习中神经网络类模型（人工神经网络、卷积神经网络、深度神经网络）是最常用的模型。文献未提及具体实验产品，领域常规使用文献管理软件、循证医学分析工具开展此类研究。

3.2 纳入研究质量评价

实验目的：评估纳入研究的方法学质量，明确各研究的偏倚风险。方法细节：采用诊断准确性研究质量评价工具-2（QUADAS-2），从患者选择、指数试验、参考标准、流程和时间四个维度评估偏倚风险和研究适用性，使用Cochrane协作网Review Manager 5.4软件可视化质量评价结果。结果解读：评价结果显示，10项研究在患者选择领域存在高或不明确的偏倚风险，主要原因是研究采用非连续或非随机的患者纳入方式；5项研究在流程和时间领域存在潜在偏倚，原因为诊断试验与参考标准肝活检的间隔时间较长；8项研究在指数试验领域偏倚风险不明确，因研究未预先明确诊断阈值；参考标准领域整体偏倚风险较低，35项纳入研究中有31项采用肝活检作为参考标准，整体来看所有35项研究均具备良好的适用性。文献未提及具体实验产品，领域常规使用循证医学质量评价工具开展此类评估。

3.3 诊断性能统计分析

实验目的：合并诊断效应量，系统比较不同类型算法的诊断性能。方法细节：使用MedCalc 23.0.5软件开展荟萃分析，以受试者工作特征曲线下面积（AUROC）作为效应分析的统计量，采用Cochran Q检验结合I²统计量评估研究间异质性，I²>50%时采用随机效应模型，否则采用固定效应模型。结果解读：整体分析结果显示，机器学习和深度学习模型的合并AUROC均超过0.80，深度学习在肝纤维化诊断中的性能优于机器学习，不同算法的诊断性能森林图见图。针对MASH诊断，共纳入14项研究9308名受试者，机器学习整体合并AUROC为0.833（95%CI：0.806-0.860，n=12，I²=99.04%，P<0.0001），深度学习整体合并AUROC为0.841（95%CI：0.782-0.900，n=6，I²=98.32%，P<0.0001）；其中机器学习中轻量级梯度提升机性能最优，AUROC为0.920（95%CI：0.916-0.924，n=259，P<0.05），深度学习中残差网络50性能最优，AUROC达到0.960（95%CI：0.951-0.969，n=对，文献未明确样本量，推测为数百例，P<0.05）。针对MASH相关肝纤维化诊断，共纳入24项研究20985名受试者，机器学习整体合并AUROC为0.826（95%CI：0.792-0.860，n=21，I²=99.36%，P<0.0001），深度学习整体合并AUROC为0.875（95%CI：0.816-0.934，n=5，I²=86.94%，P=0.0005）；其中机器学习中类别提升性能最优，AUROC为0.960（95%CI：0.950-0.970，n=443，P<0.05），深度学习中卷积神经网络性能最优，AUROC为0.917（95%CI：0.886-0.948，n=756，P<0.05）。亚组分析进一步显示，对于不同分期的肝纤维化，显著纤维化（≥F2）中类别提升性能最优，进展期纤维化（≥F3）中基于ADORE的纤维化-12指数最优，肝硬化（F4）中支持向量机最优；按地区划分，亚洲人群MASH诊断中轻量级梯度提升机最优，非亚洲人群中极限梯度提升最优；按算法类型划分，集成算法在不同场景下最优模型不同，非集成算法中支持向量机在所有纤维化分期均保持优势；按发表时间划分，2022年后发表的研究中，显著纤维化、进展期纤维化、肝硬化诊断的最优模型分别为类别提升、基于ADORE的纤维化-12指数、逻辑回归。文献未提及具体实验产品，领域常规使用统计软件开展荟萃分析。

4. Biomarker研究及发现成果

本研究为系统综述与荟萃分析，未筛选新的生物标志物，但系统总结了现有机器学习和深度学习诊断模型中常用的预测生物标志物类特征，特征来源涵盖临床常规检测样本、影像学数据、多组学样本，筛选验证逻辑为原始研究基于临床样本筛选特征构建模型，通过内部或外部队列验证模型诊断效能。常用的特征可分为四类，第一类是人口学特征，包括年龄、性别、体重指数，第二类是临床实验室检测特征，包括氨基转移酶水平、白蛋白、糖化血红蛋白、血小板计数、碱性磷酸酶、总胆红素、低密度脂蛋白、高密度脂蛋白等常规检测指标，第三类是影像学特征，如弹性成像、磁共振成像的放射组学特征，第四类是组学特征，已有研究整合尿液类固醇代谢组、粪便宏蛋白质组、血清代谢组等组学特征用于模型构建。

本研究对不同特征构建模型的诊断性能进行总结，结果显示，整合组学特征的模型同样可获得较高的诊断准确性，例如整合尿液类固醇代谢组的广义矩阵学习矢量量化模型诊断肝纤维化的AUROC可达0.936（95%CI：0.906-0.966，n=275，文献未明确提供P值）。本研究核心成果显示，基于常规临床特征结合人工智能算法构建的诊断模型即可获得优异的诊断性能，整体合并AUROC超过0.80，显著优于传统非侵入性评分方法；深度学习在肝纤维化诊断中的性能优于机器学习，机器学习中轻量级梯度提升机对MASH诊断性能最优，类别提升对肝纤维化诊断性能最优，深度学习中卷积神经网络的诊断准确性最高，本研究共纳入35项研究29130名受试者，结果证实这类人工智能模型作为非侵入性诊断工具，可减少临床对有创肝活检的依赖，适用于MASLD的早期诊断和风险分层，在MASLD的预防、精准诊断和临床分层管理中具有较高应用价值。本研究也指出，目前纳入研究存在较高异质性，多数研究缺乏外部验证，未来需要更大规模、多中心、不同人群的外部验证研究进一步确认模型的稳健性和临床实用性。