基于超声瞬时弹性成像的多参数决策树模型评估慢性乙型肝炎患者肝纤维化等级

doi:10.3877/cma.j.issn.1672-6448.2023.09.006

目的

构建及验证基于超声瞬时弹性成像（UTE）技术的多参数决策树模型用于识别慢性乙型肝炎病毒（HBV）感染患者肝纤维化等级。

方法

回顾性收集2019年2月至2022年10月在杭州市西溪医院就诊的530例慢性HBV感染患者的UTE特征及临床资料。将所有患者按7∶3比例随机分为训练集（370例）和测试集（160例），在训练集中采用多因素逐步Logistic回归方法筛选独立预测因子，通过决策树算法建立诊断模型，在测试集中通过受试者操作特征曲线评估UTE及临床特征对轻度、中重度肝纤维化及肝硬化的诊断效能。应用Delong检验评估模型与各独立预测因子诊断效能的差异，应用Hosmer-Lemeshow检验评估模型是否过拟合。

结果

诊断模型在训练集中用于评估轻度肝纤维化、中重度肝纤维化及肝硬化的AUC分别为0.871、0.925和0.952，在测试集中的AUC分别为0.859、0.901及0.936。Delong检验显示无论在训练集还是在测试集中，模型的诊断效能在不同肝纤维化等级中都要高于相关的独立预测因子的诊断效能，且差异均具有统计学意义（P均<0.05）。Hosmer–Lemeshow检验显示模型在识别3种肝纤维化状态中均没有过拟合（P均>0.05）。

结论

基于UTE的多参数决策树诊断模型可以很好地识别HBV感染患者的肝纤维化等级。

关键词: 乙型肝炎, 弹性成像, 血清学标志物, 决策树, 肝纤维化

Objective

To construct and validate a multiparameter decision tree model based on ultrasound elastography for identifying the grade of liver fibrosis in patients with chronic hepatitis B virus (HBV) infection.

Methods

The ultrasound elastography features and clinical data of 530 patients with chronic hepatitis B who visited Hangzhou Xixi Hospital from February 2019 to October 2022 were retrospectively collected. The patients were randomly divided into a training set and a test set in a 7∶3 ratio. Based on the training set, multivariate logistic regression method was used to select features, and a diagnostic model was established by using decision tree algorithm. In the test set, the diagnostic efficacy of ultrasound elastography and clinical features for different levels of liver fibrosis (mild, moderate, and severe liver fibrosis and cirrhosis) was evaluated by receiver operating characteristic (ROC) curve analysis. The Delong test was used to evaluate the differences in the diagnostic efficacy between the model and independent predictors, and the Hosmer-Lemeshow test was used to evaluate whether the model was overfit.

Results

The area under the ROC curve (AUC) of the diagnostic model for diagnosing mild liver fibrosis, moderate to severe liver fibrosis, and cirrhosis in the training set was 0.871, 0.925, and 0.952, respectively; the AUC in the test set was 0.859, 0.901, and 0.936, respectively. The Delong test showed that the diagnostic performance of the model was higher than that of the independent predictive factors associated with different levels of liver fibrosis in both the training and testing sets, and there was a significant difference in the diagnostic performance between them (P<0.05). The Hosmer-Lemeshow test showed that the model was not overfit in identifying the three grades of liver fibrosis (P>0.05).

Conclusion

The diagnostic model developed can effectively identify the grade of liver fibrosis in patients with chronic HBV infection.

Key words: Hepatitis B, Elastic imaging, Serological markers, Decision tree, Hepatic fibrosis

图1 肝纤维化分级病理及超声瞬时弹性成像图。图a~e分别为肝纤维化F0~F4级的病理诊断图片；图f~j分别为肝纤维化F0~F4级的超声瞬时弹性成像肝硬度图像

表1 训练集与测试集慢性乙型肝炎病毒感染患者的相关临床特征比较

特征	训练集（n=370）	测试集（n=160）	统计值	P值
性别[例（%）]			χ²=0.99	0.611
男	232（62.70）	106（66.25）
女	138（37.30）	54（33.75）
年龄（岁，）	44.86±11.48	44.94±12.67	t=-0.08	0.940
Ⅲ型前胶原[ng/ml，M（Q_R）]	17.00（13.20，23.69）	14.85（11.15，20.39）	Z=-3.609	0.050
Ⅳ型胶原[ng/ml，M（Q_R）]	22.45（17.45，28.87）	19.90（16.18，28.10）	Z=-2.062	0.530
层粘连蛋白[ng/ml，M（Q_R）]	21.70（16.67，26.03）	21.40（15.22，25.58）	Z=-0.927	0.354
透明质酸酶[ng/ml，M（Q_R）]	57.64（42.91，88.59）	58.03（42.01，58.03）	Z=-0.388	0.698
APRI[M（Q_R）]	0.45（0.30，0.71）	0.43（0.29，0.67）	Z=-1.111	0.266
FIB-4[M（Q_R）]	1.10（0.79，1.68）	1.08（0.75，1.57）	Z=-0.757	0.449
肝硬度[kPa，M（Q_R）]	9.00（6.50，13.43）	8.75（6.65，12.70）	Z=-0.120	0.910
脂肪衰减参数（db/m，）	232.51±27.93	234.69±32.53	t=-0.74	0.462
肝纤维化分级[例（%）]			χ²=0.40	0.983
F0	38（10.27）	15（9.38）
F1	118（31.89）	54（33.75）
F2	100（27.03）	43（26.88）
F3	32（8.65）	15（9.38）
F4	82（22.16）	33（20.62）

表1 训练集与测试集慢性乙型肝炎病毒感染患者的相关临床特征比较

特征	训练集（n=370）	测试集（n=160）	统计值	P值
性别[例（%）]			χ²=0.99	0.611
男	232（62.70）	106（66.25）
女	138（37.30）	54（33.75）
年龄（岁，）	44.86±11.48	44.94±12.67	t=-0.08	0.940
Ⅲ型前胶原[ng/ml，M（Q_R）]	17.00（13.20，23.69）	14.85（11.15，20.39）	Z=-3.609	0.050
Ⅳ型胶原[ng/ml，M（Q_R）]	22.45（17.45，28.87）	19.90（16.18，28.10）	Z=-2.062	0.530
层粘连蛋白[ng/ml，M（Q_R）]	21.70（16.67，26.03）	21.40（15.22，25.58）	Z=-0.927	0.354
透明质酸酶[ng/ml，M（Q_R）]	57.64（42.91，88.59）	58.03（42.01，58.03）	Z=-0.388	0.698
APRI[M（Q_R）]	0.45（0.30，0.71）	0.43（0.29，0.67）	Z=-1.111	0.266
FIB-4[M（Q_R）]	1.10（0.79，1.68）	1.08（0.75，1.57）	Z=-0.757	0.449
肝硬度[kPa，M（Q_R）]	9.00（6.50，13.43）	8.75（6.65，12.70）	Z=-0.120	0.910
脂肪衰减参数（db/m，）	232.51±27.93	234.69±32.53	t=-0.74	0.462
肝纤维化分级[例（%）]			χ²=0.40	0.983
F0	38（10.27）	15（9.38）
F1	118（31.89）	54（33.75）
F2	100（27.03）	43（26.88）
F3	32（8.65）	15（9.38）
F4	82（22.16）	33（20.62）

表2 逐步Logistic回归筛选不同肝纤维化程度的独立预测因子

特征	轻度纤维化（F0-1 vs F2-4）		中重度纤维化（F2-3 vs F0-1、F4）		肝硬化（F4 vs F0-3）
特征	OR（95%CI）	P值	OR（95%CI）	P值	OR（95%CI）	P值
性别	NA	NA	NA	NA	NA	NA
年龄	1.022（1.002~1.043）	0.034	1.047（1.019~1.074）	0.001	1.102（1.066~1.139）	<0.001
Ⅲ型前胶原	NA	NA	NA	NA
Ⅳ型胶原	1.080（1.042~1.119）	<0.001	1.038（1.011~1.065）	0.006	1.032（1.005~1.059）	0.019
层粘连蛋白	1.021（1.000~1.043）	0.044	NA	NA	NA	NA
透明质酸酶	NA	NA	1.003（1.000~1.006）	0.047	NA	NA
APRI	1.493（1.358~1642）	<0.001	NA	NA	NA	NA
FIB-4	NA	NA	NA	NA	0.656（0.446~0.965）	0.032
肝硬度	1.493（1.358~1.642）	<0.001	1.520（1.389~1.664）	<0.001	1.393（1.273~1.524）	<0.001
脂肪衰减参数	NA	NA	0.991（0.982~1.000）	0.045	0.987（0.976~0.998）	0.025

表2 逐步Logistic回归筛选不同肝纤维化程度的独立预测因子

特征	轻度纤维化（F0-1 vs F2-4）		中重度纤维化（F2-3 vs F0-1、F4）		肝硬化（F4 vs F0-3）
特征	OR（95%CI）	P值	OR（95%CI）	P值	OR（95%CI）	P值
性别	NA	NA	NA	NA	NA	NA
年龄	1.022（1.002~1.043）	0.034	1.047（1.019~1.074）	0.001	1.102（1.066~1.139）	<0.001
Ⅲ型前胶原	NA	NA	NA	NA
Ⅳ型胶原	1.080（1.042~1.119）	<0.001	1.038（1.011~1.065）	0.006	1.032（1.005~1.059）	0.019
层粘连蛋白	1.021（1.000~1.043）	0.044	NA	NA	NA	NA
透明质酸酶	NA	NA	1.003（1.000~1.006）	0.047	NA	NA
APRI	1.493（1.358~1642）	<0.001	NA	NA	NA	NA
FIB-4	NA	NA	NA	NA	0.656（0.446~0.965）	0.032
肝硬度	1.493（1.358~1.642）	<0.001	1.520（1.389~1.664）	<0.001	1.393（1.273~1.524）	<0.001
脂肪衰减参数	NA	NA	0.991（0.982~1.000）	0.045	0.987（0.976~0.998）	0.025

表3 决策树模型在慢性乙型肝炎病毒感染患者训练集和测试集中的诊断效能

肝纤维化等级	AUC（95%CI）	敏感度（%）	特异性度（%）
训练集
轻度肝纤维化	0.871（0.833~0.903）	75.2	82.7
中重度肝纤维化	0.925（0.893~0.95）	86.0	85.5
肝硬化	0.952（0.925~0.971）	87.8	91.7
测试集
轻度肝纤维化	0.859（0.795~0.909）	78.0	79.7
中重度肝纤维化	0.901（0.844~0.943）	81.3	87.5
肝硬化	0.936（0.886~0.968）	87.9	85.0

表3 决策树模型在慢性乙型肝炎病毒感染患者训练集和测试集中的诊断效能

肝纤维化等级	AUC（95%CI）	敏感度（%）	特异性度（%）
训练集
轻度肝纤维化	0.871（0.833~0.903）	75.2	82.7
中重度肝纤维化	0.925（0.893~0.95）	86.0	85.5
肝硬化	0.952（0.925~0.971）	87.8	91.7
测试集
轻度肝纤维化	0.859（0.795~0.909）	78.0	79.7
中重度肝纤维化	0.901（0.844~0.943）	81.3	87.5
肝硬化	0.936（0.886~0.968）	87.9	85.0

图2 决策树模型与各独立预测因子识别轻度肝纤维化、中重度肝纤维化及肝硬化的诊断效能图。图a、b、c图分别显示了决策树模型与各独立预测因子在训练集中识别轻度肝纤维化、中重度肝纤维化及肝硬化的诊断效能，图d、e、f图分别显示了决策树模型与各独立预测因子在测试集中识别轻度肝纤维化、中重度肝纤维化及肝硬化的诊断效能注：AUC为曲线下面积，APRI为门冬氨酸转移酶纤维化指数，FIB_4为肝纤维化4因子指数

1	Nguyen MH, Wong G, Gane E, et al. Hepatitis B virus: advances in prevention, diagnosis, and therapy [J]. Clin Microbiol Rev, 2020, 33(2): e00046-19.
2	郝岸华, 杜忠彩, 周林, 等. 慢性乙型肝炎患者肝脏硬度检测和S指数变化及评估肝纤维化程度应用价值探讨 [J]. 实用肝脏病杂志, 2023, 26(5): 630-633.
3	中国肝炎防治基金会, 中华医学会感染病学分会, 中华医学会肝病学分会和中国研究型医院学会肝病专业委员会. 瞬时弹性成像技术诊断肝纤维化专家共识(2018年更新版) [J]. 中华肝脏病杂志, 2019, 27(3): 182-191.
4	程丹颖, 李贲, 纪世博, 等. 瞬时弹性成像技术在肝纤维化无创诊断中的应用 [J/OL]. 中国肝脏病杂志(电子版), 2021, 13(4): 9-13.
5	代海峰, 王甜, 雷迅, 等. 应用瞬时弹性成像技术联合APRI和AAR指数评估慢性乙型肝炎患者肝纤维化临床价值研究 [J]. 实用肝脏病杂志, 2021, 24(2): 196-199.
6	Ragazzo TG, Paranagua-Vezozzo D, Lima FR, et al. Accuracy of transient elastography-FibroScan®, acoustic radiation force impulse (ARFI) imaging, the enhanced liver fibrosis (ELF) test, APRI, and the FIB-4 index compared with liver biopsy in patients with chronic hepatitis C [J]. Clinics (Sao Paulo), 2017, 72(9): 516-525.
7	Wang K, Lu X, Zhou H, et al. Deep learning Radiomics of shear wave elastography significantly improved diagnostic performance for assessing liver fibrosis in chronic hepatitis B: a prospective multicentre study [J]. Gut, 2019, 68(4): 729-741.
8	Park HJ, Lee SS, Park B, et al. Radiomics analysis of gadoxetic acid-enhanced MRI for staging liver fibrosis [J]. Radiology, 2019, 290(2): 380-387.
9	West RM. Best practice in statistics: Use the Welch t-test when testing the difference between two groups [J]. Ann Clin Biochem, 2021, 58(4): 267-269.
10	Kelter R. Analysis of Bayesian posterior significance and effect size indices for the two-sample t-test to support reproducible medical research [J]. BMC Med Res Methodol, 2020, 20(1): 88.
11	Moga TV, David C, Popescu A, et al. Multiparametric ultrasound approach using a tree-based decision classifier for inconclusive focal liver lesions evaluated by contrast enhanced ultrasound [J]. J Pers Med, 2021, 11(12): 1388.
12	张明, 祝再然, 赵桂金, 等. PCA-决策树模型评价miR-30a与RPR、AAR、FIB-4、APRI在乙肝患者肝纤维化的应用价值 [J]. 广东医学, 2021, 42(1): 106-110.
13	Eslam M, Hashem AM, Romero-Gomez M, et al. FibroGENE: a gene-based model for staging liver fibrosis [J]. J Hepatol, 2016, 64(2): 390-398.
14	Li Y, Huang YS, Wang ZZ, et al. Systematic review with meta-analysis: the diagnostic accuracy of transient elastography for the staging of liver fibrosis in patients with chronic hepatitis B [J]. Aliment Pharmacol Ther, 2016, 43(4): 458-469.
15	Zeng MD, Lu LG, Mao YM, et al. Prediction of significant fibrosis in HBeAg-positive patients with chronic hepatitis B by a noninvasive model [J]. Hepatology, 2005, 42(6): 1437-1445.
16	Mak KM, Mei R. Basement membrane type IV collagen and laminin: an overview of their biology and value as fibrosis biomarkers of liver disease [J]. Anat Rec (Hoboken), 2017, 300(8): 1371-1390.
17	Herrmann E, de Lédinghen V, Cassinotto C, et al. Assessment of biopsy-proven liver fibrosis by two-dimensional shear wave elastography: an individual patient data-based meta-analysis [J]. Hepatology, 2018, 67(1): 260-272.
18	Newsome PN, Sasso M, Deeks JJ, et al. FibroScan-AST (FAST) score for the non-invasive identification of patients with non-alcoholic steatohepatitis with significant activity and fibrosis: a prospective derivation and global validation study [J]. Lancet Gastroenterol Hepatol, 2020, 5(4): 362-373.

[1]	王珏, 陈赛君, 贲志飞, 詹锦勇, 徐开颖. 剪切波弹性成像联合极速脉搏波技术评估颈动脉弹性对糖尿病性视网膜病变的预测价值[J]. 中华医学超声杂志（电子版）, 2023, 20(06): 636-641.
[2]	郭云云, 解翔, 彭梅, 姜凡, 毕玉, 何年安, 胡蕾, 杨杨, 王涛, 石玉洁, 陈冬冬. ACR-TIRADS与C-TIRADS分类分别联合二维剪切波弹性成像对甲状腺结节分类的诊断效能——多中心回顾性研究[J]. 中华医学超声杂志（电子版）, 2023, 20(05): 511-516.
[3]	黄珈瑶, 林满霞, 田文硕, 何璟怡, 赖佳明, 谢晓燕, 龙海怡. 健康成人胰腺剪切波弹性成像的可行性和测量值及其影响因素[J]. 中华医学超声杂志（电子版）, 2023, 20(05): 524-529.
[4]	陈永庄, 莫小乔, 谢天. 心血管事件患者术后30 d死亡风险决策树模型的构建与评估——基于少数类样本合成过采样技术算法[J]. 中华危重症医学杂志(电子版), 2023, 16(05): 390-398.
[5]	葛飞霞, 蒋银, 杨丹. 酶联免疫吸附测定法与PCR仪检测在乙型肝炎诊断中的临床应用[J]. 中华危重症医学杂志(电子版), 2023, 16(04): 310-315.
[6]	魏宇婷, 罗红. 超声弹性成像评价胎儿生长受限的研究现状[J]. 中华妇幼临床医学杂志(电子版), 2023, 19(03): 256-260.
[7]	范帅华, 郭伟, 郭军. 基于机器学习的决策树算法在血流感染预后预测中应用现状及展望[J]. 中华实验和临床感染病杂志(电子版), 2023, 17(05): 289-293.
[8]	张小曼, 马筱秋, 许正锯, 张纯瑜, 何彩婷. 乙型肝炎病毒逆转录酶区耐药突变对血清乙型肝炎病毒表面抗原水平的影响[J]. 中华实验和临床感染病杂志(电子版), 2023, 17(05): 324-332.
[9]	郑希彦, 周正, 何方平, 林志群, 杜飞, 谢琴, 王少平, 史宪杰. 代谢综合征与乙型肝炎病毒相关性肝细胞癌预后的危险因素分析[J]. 中华普通外科学文献(电子版), 2023, 17(02): 104-109.
[10]	吴方园, 孙霞, 林昌锋, 张震生. HBV相关肝硬化合并急性上消化道出血的危险因素分析[J]. 中华普外科手术学杂志(电子版), 2024, 18(01): 45-47.
[11]	雷雪雪, 于颖, 李虹彦. 乙型肝炎肝硬化患者肝移植等待期应用多模式预康复优化项目的临床研究[J]. 中华移植杂志(电子版), 2023, 17(03): 158-163.
[12]	杨天池, 韩威, 邱枫, 祁佳慧. 术中胰腺超声弹性成像在胰腺质地评估中的应用[J]. 中华肝脏外科手术学电子杂志, 2023, 12(06): 646-650.
[13]	赵文毅, 邹冰子, 蔡冠晖, 刘永志, 温红. 超声应变力弹性成像联合MRI-DWI靶向引导穿刺在前列腺病变诊断中的应用[J]. 中华临床医师杂志(电子版), 2023, 17(9): 988-994.
[14]	宋璇, 刘新艳, 杨大强, 杨茂鹏, 秦冰新, 田首成, 郭秀燕, 刘紫微, 王春亭. 肺超声弹性成像在肺部疾病中的应用进展[J]. 中华临床医师杂志(电子版), 2023, 17(02): 215-219.
[15]	陈翀, 游冉冉, 王敏, 周豪杰. 单试剂HBsAg阳性、核酸检测阴性献血者的血液安全性评估[J]. 中华临床实验室管理电子杂志, 2023, 11(02): 95-98,104.

阅读次数

全文

摘要

选择文件类型/文献管理软件名称

选择包含的内容

Ultrasonic elastography based multiparameteric decision tree model for assessment of grade of liver fibrosis in patients with chronic hepatitis B

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

Ultrasonic elastography based multiparameteric decision tree model for assessment of grade of liver fibrosis in patients with chronic hepatitis B