The introduction into clinical practice of an algorithm for the diagnosis of liver steatosis in patients with viral pneumonia

Cover Page

Cite item

Full Text

Abstract

Aim. To study the ability and significance of detecting liver steatosis during chest computed tomography (CT) in patients with viral pneumonia.

Materials and methods. A prospective cohort study included 100 patients over the age of 18 who were hospitalized with an established diagnosis of viral pneumonia. To CT detection significant liver steatosis (more than 33%), several approaches were used: liver density less than 40 HU; decrease in liver density by at least 10 HU less than the spleen; the ratio of decrease in liver density to the spleen is less than 0.9.

Results. According to CT data 2 groups were identified: 25 patients with existing liver steatosis and metabolically associated fatty liver disease, and 74 patients of the control group without signs of significant steatosis, оne patient was excluded due to alcohol abuse. There was a significant difference in the study of liver density (31.68 ± 10.67 and 54.44 ± 5.95; p < 0.001), the ratio of decrease in liver density to spleen density (0.66 ± 0.22 and 1.16 ± 0.13; p < 0.001), as well as a decrease in liver density relative to the spleen (16.30 ± 10.38 and -7.26 ± 6.10; p < 0.001). In the steatosis group, a more severe course of pneumonia was noted (p = 0.041). The incidence of deterioration according to CT was comparable in both groups: 19 (76%) and 45 (60.8%); p = 0.169, although its severity was higher in the group with steatosis (p = 0.012). Patients from the steatosis group were significantly more often prescribed biological (88.0 and 39.19%; p < 0.001) and antibacterial therapy (68.0 and 40.54%; p = 0.017).

Conclusion. The use of assessment of liver steatosis according to CT data simultaneously with the study of the underlying disease can become an important diagnostic step determining the prognosis of the course of the disease, as well as a tool for risk stratification in patients with metabolically associated fatty liver disease.

About the authors

Taisia A. Turankova

Sechenov First Moscow State Medical University

Author for correspondence.
Email: turankova_t_a@staff.sechenov.ru
ORCID iD: 0000-0001-8441-7396
SPIN-code: 5631-8691
Scopus Author ID: 57218197799

ассистент каф. терапии Института профессионального образования

Russian Federation, Moscow

Alexey Yu. Brazhnikov

Sechenov First Moscow State Medical University

Email: turankova_t_a@staff.sechenov.ru
ORCID iD: 0000-0002-5587-8860
SPIN-code: 5737-5472
Scopus Author ID: 36941944600

канд. мед. наук, доц. каф. эпидемиологии и доказательной медицины Института общественного здоровья

Russian Federation, Moscow

Nadezhda G. Moroz

Sechenov First Moscow State Medical University

Email: turankova_t_a@staff.sechenov.ru
ORCID iD: 0009-0006-8688-7133

врач-рентгенолог рентгенологического отд-ния Университетской клинической больницы №4

Russian Federation, Moscow

Anastasia V. Mudrova

Sechenov First Moscow State Medical University

Email: turankova_t_a@staff.sechenov.ru
ORCID iD: 0009-0000-3536-2296

студентка Института клинической медицины им. Н.В. Склифосовского

Russian Federation, Москва

Daria L. Varganova

Ulyanovsk Regional Clinical Hospital

Email: turankova_t_a@staff.sechenov.ru
ORCID iD: 0000-0002-5745-7605
SPIN-code: 3689-5602
Scopus Author ID: 57196353031

канд. мед. наук, зав. отд-нием гастроэнтерологии

Russian Federation, Ulyanovsk

Chavdar S. Pavlov

Sechenov First Moscow State Medical University; Botkin Moscow Multidisciplinary Research and Clinical Center

Email: turankova_t_a@staff.sechenov.ru
ORCID iD: 0000-0001-5031-9798
SPIN-code: 5052-9020
Scopus Author ID: 57196355076

д-р мед. наук, проф., зав. каф. терапии Института профессионального образования; вед. науч. сотр.

Russian Federation, Moscow; Moscow

References

  1. Райхельсон К.Л., Маевская М.В., Жаркова М.С., и др. Жировая болезнь печени: новая номенклатура и ее адаптация в Российской Федерации. Российский журнал гастроэнтерологии, гепатологии, колопроктологии. 2024;34(2):35-44 [Raikhelson KL, Maevskaya MV, Zharkova MS, et al. Steatotic liver disease: New nomenclature and its localization in the Russian Federation. Russian Journal of Gastroenterology, Hepatology, Coloproctology. 2024;34(2):35-44 (in Russian)]. doi: 10.22416/1382-4376-2024-961
  2. Amini-Salehi E, Letafatkar N, Norouzi N, et al. Global prevalence of nonalcoholic fatty liver disease: an updated meta-analysis on 78 million population over 38 countries. Arch Med Res. 2024;55(6):103043. doi: 10.1016/j.arcmed.2024.103043
  3. Rinella ME, Lazarus JV, Ratziu V, et al. A multisociety Delphi consensus statement on new fatty liver disease nomenclature. Hepatology. 2023;78(6):1966-86. doi: 10.1097/HEP.0000000000000520
  4. Павлов Ч.С., Теплюк Д.А., Лазебник Л.Б., и др. Взгляд клинициста на преимущества и противоречия новой номенклатуры стеатозной болезни печени. Терапевтический архив. 2024;96(4):429-35 [Pavlov ChS, Teplyuk DA, Lazebnik LB, et al. The clinician's view on the advantages and contradictions of the new nomenclature of steatotic liver disease: A review. Terapevticheskii Arkhiv (Ter. Arkh.). 2024;96(4):429-35 (in Russian)]. doi: 10.26442/00403660.2024.04.202747
  5. Tacke F, Horn P, Wai-Sun Wong V, et al. EASL–EASD–EASO Clinical Practice Guidelines on the management of metabolic dysfunction-associated steatotic liver disease (MASLD). J Hepatol. 2024;81(3):492-542. doi: 10.1016/j.jhep.2024.04.031
  6. Драпкина О.М., Мартынов А.И., Арутюнов Г.П., и др. Резолюция Форума экспертов «Новые терапевтические горизонты НАЖБП». Терапевтический архив. 2024;96(2):186-93 [Drapkina OM, Martynov AI, Arutyunov GP, et al. Resolution of the Expert Forum "New therapeutic horizons of NAFLD". Terapevticheskii Arkhiv (Ter. Arkh.). 2024;96(2):186-93 (in Russian)]. doi: 10.26442/00403660.2024.02.202648
  7. Bae JS, Lee DH, Suh KS, et al. Noninvasive assessment of hepatic steatosis using a pathologic reference standard: comparison of CT, MRI, and US-based techniques. Ultrasonography. 2022;41(2):344-54. doi: 10.14366/usg.21150
  8. Kazi IN, Kuo L, Tsai E. Noninvasive methods for assessing liver fibrosis and steatosis. Gastroenterol Hepatol (N Y). 2024;20(1):21-9. PMID: 38405045
  9. Cusi K, Isaacs S, Barb D, et al. American Association of Clinical Endocrinology Clinical Practice Guideline for the diagnosis and management of nonalcoholic fatty liver disease in primary care and endocrinology clinical settings: Co-sponsored by the American Association for the Study of Liver Diseases (AASLD). Endocr Pract. 2022;28(5):528-62. doi: 10.1016/j.eprac.2022.03.010
  10. European Association for the Study of the Liver (EASL); European Association for the Study of Diabetes (EASD); European Association for the Study of Obesity (EASO). EASL Clinical Practice Guidelines on non-invasive tests for evaluation of liver disease severity and prognosis – 2021 update. J Hepatol. 2024;81(3):492-542. doi: 10.1016/j.jhep.2024.04.031
  11. Farrell GC, McCullough AJ, Day CP. (Eds.) Non-alcoholic fatty liver disease: A practical guide. New York: Wiley Blackwell, 2013.
  12. Chitturi S, Wong VW, Chan WK, et al. The Asia-Pacific Working Party on Non-alcoholic Fatty Liver Disease Guidelines 2017 – Part 2: Management and special groups. J Gastroenterol Hepatol. 2018;33(1):86-98. doi: 10.1111/jgh.13856
  13. Brunt EM. Nonalcoholic fatty liver disease: Pros and cons of histologic systems of evaluation. Int J Mol Sci. 2016;17(1):97. doi: 10.3390/ijms17010097
  14. Bozic D, Podrug K, Mikolasevic I, Grgurevic I. Ultrasound methods for the assessment of liver steatosis: A critical appraisal. Diagnostics (Basel). 2022;12(10):2287. doi: 10.3390/diagnostics12102287
  15. Cao YT, Xiang LL, Qi F, et al. Accuracy of controlled attenuation parameter (CAP) and liver stiffness measurement (LSM) for assessing steatosis and fibrosis in non-alcoholic fatty liver disease: A systematic review and meta-analysis. EClinicalMedicine. 2022;51:101547. doi: 10.1016/j.eclinm.2022.101547
  16. Gu J, Liu S, Du S, et al. Diagnostic value of MRI-PDFF for hepatic steatosis in patients with non-alcoholic fatty liver disease: A meta-analysis. Eur Radiol. 2019;29(7):3564-73. doi: 10.1007/s00330-019-06072-4
  17. Wang XM, Zhang XJ, Ma L. Diagnostic performance of magnetic resonance technology in detecting steatosis or fibrosis in patients with nonalcoholic fatty liver disease: A meta-analysis. Medicine (Baltimore). 2018;97(21):e10605. doi: 10.1097/MD.0000000000010605
  18. Jawahar A, Gonzalez B, Balasubramanian N, et al. Comparison of computed tomography hepatic steatosis criteria for identification of abnormal liver function and clinical risk factors, in incidentally noted fatty liver. Eur J Gastroenterol Hepatol. 2020;32(2):216-21. doi: 10.1097/MEG.0000000000001502
  19. Byun J, Lee SS, Sung YS, et al. CT indices for the diagnosis of hepatic steatosis using non-enhanced CT images: Development and validation of diagnostic cut-off values in a large cohort with pathological reference standard. Eur Radiol. 2019;29(8):4427-35. doi: 10.1007/s00330-018-5905-1
  20. Park HJ, Kim KW, Kwon HJ, et al. CT-based visual grading system for assessment of hepatic steatosis: Diagnostic performance and interobserver agreement. Hepatol Int. 2022;16(5):1075-84. doi: 10.1007/s12072-022-10373-0
  21. Guo Z, Blake GM, Li K, et al. Liver fat content measurement with quantitative CT validated against MRI proton density fat fraction: A prospective study of 400 healthy volunteers. Radiology. 2020;294(1):89-97. doi: 10.1148/radiol.2019190467
  22. Hu N, Yan G, Tang M, et al. CT-based methods for assessment of metabolic dysfunction associated with fatty liver disease. Eur Radiol Exp. 2023;7(1):72. doi: 10.1186/s41747-023-00387-0
  23. Engelke K. Quantitative computed tomography – Current status and new developments. J Clin Densitom. 2017;20(3):309-21. doi: 10.1016/j.jocd.2017.06.017
  24. Starekova J, Hernando D, Pickhardt PJ, Reeder SB. Quantification of liver fat content with CT and MRI: State of the art. Radiology. 2021;301(2):250-62. doi: 10.1148/radiol.2021204288
  25. Jophlin LL, Singal AK, Bataller R, et al. ACG Clinical Guideline: Alcohol-associated liver disease. Am J Gastroenterol. 2024;119(1):30-54. doi: 10.14309/ajg.0000000000002572
  26. Lee JH, Kim D, Kim HJ, et al. Hepatic steatosis index: A simple screening tool reflecting nonalcoholic fatty liver disease. Dig Liver Dis. 2010;42(7):503-8. doi: 10.1016/j.dld.2009.08.002
  27. Lawrence DA, Oliva IB, Israel GM. Detection of hepatic steatosis on contrast-enhanced CT images: Diagnostic accuracy of identification of areas of presumed focal fatty sparing. AJR Am J Roentgenol. 2012;199(1):44-7. doi: 10.2214/AJR.11.7838
  28. Lebre MA, Vacavant A, Grand-Brochier M, et al. Automatic segmentation methods for liver and hepatic vessels from CT and MRI volumes, applied to the Couinaud scheme. Comput Biol Med. 2019;110:42-51. doi: 10.1016/j.compbiomed.2019.04.014
  29. Wong VW, Ekstedt M, Wong GL, Hagström H. Changing epidemiology, global trends and implications for outcomes of NAFLD. J Hepatol. 2023;79(3): 842-52. doi: 10.1016/j.jhep.2023.04.036
  30. DiStefano JK, Gerhard GS. NAFLD in normal weight individuals. Diabetol Metab Syndr. 2022;14(1):45. doi: 10.1186/s13098-022-00814-z
  31. Tan D, Chan KE, Wong ZY, et al. Global epidemiology of cirrhosis: Changing etiological basis and comparable burden of nonalcoholic steatohepatitis between males and females. Dig Dis. 2023;41(6):900-12. doi: 10.1159/000533946
  32. Chung J, Park HS, Kim YJ, et al. Association of Hepatic Steatosis Index with nonalcoholic fatty liver disease diagnosed by non-enhanced CT in a screening population. Diagnostics (Basel). 2021;11(12):2168. doi: 10.3390/diagnostics11122168

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Optimized diagnostic criteria for metabolically associated fatty liver disease, the current term is non-alcoholic fatty liver disease.

Download (153KB)
Indexing metadata
3. Fig. 2. Axial сomputed tomograms (CТ) without contrast in the liver and spleen. The areas of interest (ROI) are highlighted in a yellow circle: а – male, 25 years old, CТL – 34 HU, CТS – 44 HU; b – female, 56 years old, CТL – 29 HU, CТS – 45 HU; c – the liver area almost completely falls into the section during chest CT scan.

Download (231KB)
Indexing metadata
4. Fig. 3. The results of the study of the density of the liver and spleen according to computed tomography data.

Download (78KB)
Indexing metadata
5. Fig. 4. Diagnostic efficacy of HSI in liver steatosis in patients with non-alcoholic fatty liver disease and viral pneumonia compared with liver density according to CT data: a – scatter plots of HSI level as a function of HU liver, solid lines represent best-fit linear regression; b – receiver operating characteristics curves showing the performance of HSI in the diagnosis of hepatic steatosis using CT criteria.

Download (86KB)
Indexing metadata

Copyright (c) 2025 Consilium Medicum

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
 
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».