重肝会名家谈|李婕教授:脂肪性肝病的管理和前沿进展

来源:医脉通 2025.04.28
我要投稿

1200-320.png

本文经李婕教授授权发布,未经允许请勿转载。


导读


第 13 届“全国疑难及重症肝病大会”于4月24日-27 日在中国·雄安召开,本届大会主题为“政策引领·创新驱动·人文关怀-推动疑难及重症肝病诊疗新发展”,以全景式视角呈现肝病学领域的前沿突破与发展趋势。值此会议之际,医脉通特邀南京大学医学院附属鼓楼医院李婕教授分享脂肪性肝病的管理及前沿进展。


李婕.png


医脉通:您在本次大会作了“脂肪性肝病:饮酒与代谢的交互作用”的演讲,请您谈谈饮酒与代谢紊乱的交互作用是否会导致疾病进展加速?临床上如何根据其风险特征进行有效的分层管理?


李婕 教授:

目前,多项研究已明确支持饮酒与代谢紊乱协同加速脂肪性肝病进展的观点。饮酒与代谢异常,如肥胖、2型糖尿病和代谢综合征,均为脂肪性肝炎进展的独立危险因素。在合并代谢异常的个体中,即使是中等量饮酒,肝纤维化、肝癌以及全因死亡的风险均显著增加,这表明代谢异常与饮酒之间存在显著的协同加重效应。我们团队进一步基于NHANES III数据开展的研究也发现,这种协同效应在65岁以下人群中尤为显著。同时,我们团队发表在JAMA Netw Open的研究也发现酒精摄入与脂肪性肝病恶化之间存在剂量相关性1。对于FIB-4评分低于1.3的脂肪肝低风险患者,当每日酒精摄入量超过7.4克时,死亡风险开始呈线性上升趋势。而在FIB-4≥1.3的脂肪肝高风险患者中,任何形式的酒精摄入均与死亡风险呈线性正相关。这一结果提示:对于FIB-4≥1.3的高风险患者,应严格禁酒;而即便是FIB-4<1.3的低风险患者,也仅能容许极少量的酒精摄入。


从机制层面来看,饮酒与代谢紊乱能够共同激活氧化应激、肠道微生态失衡、脂滴代谢障碍及慢性免疫炎症等,协同促进肝细胞损伤与肝纤维化的进展。其中,饮酒引起的肠源性脂多糖通透性增加,结合胰岛素抵抗和肝内脂质蓄积,使肝脏对损伤的易感性进一步提高,从而加速疾病的演变。


鉴于饮酒与代谢紊乱在脂肪性肝病进展中的协同加重作用,临床上亟需建立基于病因特征的分层管理策略,以实现精准干预和动态风险评估。对于代谢相关脂肪性肝病(MAFLD)患者,尤其是伴有饮酒行为(ALC)的群体,应加强代谢管理,包括减重、控糖、控制血脂等,并强化戒酒干预。同时,定期监测肝酶水平,密切关注肝纤维化进展,必要时可通过非侵入性评估工具(如FIB-4、NFS、Fibroscan等)或肝活检进一步评估。常规体检中应加入饮酒量评估(如AUDIT-C)和代谢风险筛查,即使MAFLD患者未达到酒精性肝病的诊断标准,也应建议将饮酒量控制在最低限度。


医脉通:针对代谢相关脂肪性肝病,目前有哪些新的治疗策略或药物取得了突出进展?在综合运用生活方式干预、药物治疗和代谢手术等多种治疗手段方面,如何更好地实现个体化精准治疗?


李婕 教授:

随着对MAFLD的深入认识,治疗策略正逐步从单一传统的生活方式干预向多靶点、精准化管理方向转变,但控制体重始终是MAFLD管理基石。通过控制总热量摄入、增加膳食纤维、减少高糖高脂饮食,结合个性化运动处方,可有效改善肝内脂肪沉积和胰岛素抵抗。


近年来,多种新型药物在MAFLD的治疗中取得了积极进展。


目前进入临床研究阶段的代表性药物包括:

· 甲状腺激素β受体(THR-β)选择性激动剂:甲状腺激素通过特异性激活肝细胞内β受体,调控肝脏脂代谢并发挥一系列作用,有效改善肝内脂肪变,并改善肝脏炎症和纤维化。目前,Resmetirom是唯一被美国FDA批准用于治疗MASLD伴肝纤维化(F2-F3期)的药物。其他THR-β选择性激动剂如VK2809和HSK31679也以进入临床研究,在初步分析中展现出良好的有效性和安全性。

· 肠促胰素类激动剂:如胰高糖素样肽-1(GLP-1)受体激动剂(如司美格鲁肽)、GLP-1/葡萄糖依赖性促胰岛素多肽(GIP)(如替尔泊肽)或GLP-1/胰高血糖素(GCG)(如Survodutide)双受体激动剂,以及GLP-1/GIP/GCG三重受体激动剂(如Retatrutide),可显著减轻体重,有效改善肝脂肪变、缓解炎症和肝纤维化。

· FGF21类似物:代表性药物如Efruxifermin能够有效改善糖脂代谢,并发挥抗纤维化作用。

· PPAR激动剂:包括泛PPAR、PPAR-γ激动剂等,能改善胰岛素抵抗,降低肝酶水平,减轻肝内脂肪变。


尽管药物研发持续推进,对于合并重度肥胖(BMI≥35 kg/m²)的MAFLD患者,代谢手术(如袖状胃切除术、Roux-en-Y胃旁路术)是另一种选择。代谢手术在逆转肝脂肪变、炎症及纤维化方面显示出长期效果。


鉴于MAFLD的高度异质性,精准化个体治疗已成为必然选择。根据患者的代谢特征、合并症等,结合血清学指标、影像学,以及开发人工智能预测模型,可以动态评估病情,识别高风险个体,制定个性化治疗方案。


医脉通:在“AI赋能医学”的背景下,AI 技术或为无创诊断带来新的机遇。您认为 AI 在脂肪性肝病无创诊断中的应用前景如何?您的团队是否开展了这方面的进一步探索?


李婕 教授:

在“AI赋能医学”的背景下,人工智能技术在无创诊断中的应用前景令人期待,尤其是在脂肪性肝病的早筛早诊、动态追踪患者病情方面发挥巨大潜能。脂肪性肝病是一种具有高度异质性的疾病,其早期诊断和精准评估对于改善临床预后至关重要。传统的金标准诊断方法肝活检,虽然可以提供一定的诊断依据,但在侵入性、时效性、准确性和成本等方面均存在一定的局限性。而AI技术的引入,可以有效弥补这些不足,带来更为高效、精确的无创诊断手段。


AI能够从海量的影像数据中提取细致的病理特征,如脂肪沉积和肝纤维化,自动识别早期微小病变,显著提高了传统影像分析的准确性和效率。与传统方法不同,AI不仅能处理各类不同的影像数据,还能够将影像学、血清学(如ALT、AST、FIB-4、NFS)以及临床背景信息进行深度整合,自动生成更为精准的早期筛查和疾病分级结果。我们团队的一项荟萃分析发现,基于AI开发的无创模型在诊断脂肪性肝病相关肝纤维化的总AUROC高达0.92。AI的综合数据处理能力不仅能提升脂肪性肝病的诊断精度,还能为无创诊断和后续的治疗提供更加可靠的支持,展现了其在肝病管理中的独特优势。


我们团队围绕脂肪性肝病的无创诊断开展了深入研究,聚焦于机器学习算法在慢性乙型肝炎合并肝脂肪变患者中的应用。我们基于临床数据分别开发了三种模型,可无创预测肝脏炎症活动度、进展期肝纤维化和肝硬化,并已在多中心队列中验证模型的准确性和稳定性,且无创纤维化模型的诊断效能显著优于传统无创评分,在早期识别高危个体方面展现出卓越性能2, 3。相关成果已分别发表于eClinicalMedicine和Clinical Gastroenterology and Hepatology,为AI在肝病领域的临床应用提供了有力证据。


未来,我们将持续推动AI技术与脂肪性肝病诊疗的深度融合,拓展其在多模态数据整合、动态病程预测和治疗响应评估等方面的应用,助力构建更为高效、精准和智能的疾病管理体系,为患者提供更优质的个体化医疗服务。


李婕教授.png

李婕 教授


南京大学医学院附属鼓楼医院 感染性疾病科主任

主任医师、教授、博士生导师,美国斯坦福大学、香港大学访问学者

国家医学高层次人才(优秀青年医师)

江苏省医学会感染病分会候任主任委员

中国研究型医院学会肝病专业委员会常委、中华医学会肝病学分会青年委员

承担5项国家自然科学基金及其他国家、省部级课题共27项,获省部级科研奖励共10项

以第一/通讯作者在Lancet Gastroenterology & Hepatology,Hepatology、American Journal of Gastroenterology、eClinicalMedicine、Clinical Gastroenterology Hepatology,Protein&cell等杂志发表SCI论文80余篇,其中3篇入选ESI高被引,入选全球前2%顶尖科学家榜单。


参考文献:

1. Yeo YH, Zhu Y, Arab JP, et al. Alcohol Intake Thresholds Among Individuals With Steatotic Liver Disease. JAMA Netw Open. Dec 1 2023;6(12):e2347548. doi:10.1001/jamanetworkopen.2023.47548

2. Rui F, Yeo YH, Xu L, et al. Development of a machine learning-based model to predict hepatic inflammation in chronic hepatitis B patients with concurrent hepatic steatosis: a cohort study. EClinicalMedicine. Feb 2024;68:102419. doi:10.1016/j.eclinm.2023.102419

3. Rui F, Xu L, Yeo YH, et al. Machine Learning-Based Models for Advanced Fibrosis and Cirrhosis Diagnosis in Chronic Hepatitis B Patients With Hepatic Steatosis. Clin Gastroenterol Hepatol. Nov 2024;22(11):2250-2260 e12. doi:10.1016/j.cgh.2024.06.014