Внедрение в клиническую практику алгоритма диагностики стеатоза печени у пациентов с вирусной пневмонией

Обложка

Цитировать

Полный текст

Аннотация

Цель. Изучить возможности и значение выявления стеатоза печени во время проведения компьютерной томографии (КТ) органов грудной клетки пациентам с вирусной пневмонией.

Материалы и методы. В когортное проспективное исследование включены 100 пациентов в возрасте старше 18 лет, госпитализированных с установленным диагнозом вирусной пневмонии. Для выявления значительного стеатоза печени (более 33%) по КТ использовалось несколько подходов: плотность печени – менее 40 HU, ослабление плотности печени по крайней мере на 10 HU меньше, чем у селезенки, отношение ослабления плотности печени к селезенке – менее 0,9.

Результаты. По данным КТ выделены 25 пациентов с имеющимся стеатозом печени и другими критериями метаболически ассоциированной жировой болезни печени и 74 пациента контрольной группы без признаков значительного стеатоза, 1 пациент исключен в связи со злоупотреблением алкоголем. Выявлена достоверная разница при изучении плотности печени (31,68 ± 10,67 и 54,44 ± 5,95; р < 0,001), отношения уменьшения плотности печени к плотности селезенки (0,66 ± 0,22 и 1,16 ± 0,13; р < 0,001), а также уменьшение плотности печени по отношению к селезенке (16,3 ± 10,38 и -7,26 ± 6,1; р < 0,001). В группе стеатоза отмечено более тяжелое течение пневмонии (р = 0,041). Частота ухудшения состояния по данным КТ была сопоставима в обеих группах: 19 (76,0%) и 45 (60,8%); р = 0,169, хотя его тяжесть была выше в группе со стеатозом (р = 0,012). Пациентам из группы стеатоза значительно чаще назначали биологическую (88,0 и 39,19%; р < 0.001) и антибактериальную терапию (68,0 и 40,54%; p = 0,017).

Заключение. Внедрение оценки степени стеатоза печени по данным КТ одновременно с изучением основного заболевания может стать важным диагностическим этапом, определяющим прогноз течения заболевания, а также инструментом стратификации риска у пациентов с метаболически ассоциированной жировой болезнью печени.

Об авторах

Таисия Алексеевна Туранкова

Первый Московский государственный медицинский университет им. И.М. Сеченова

Автор, ответственный за переписку.
Email: turankova_t_a@staff.sechenov.ru
ORCID iD: 0000-0001-8441-7396
SPIN-код: 5631-8691
Scopus Author ID: 57218197799

ассистент каф. терапии Института профессионального образования

Россия, Москва

Алексей Юрьевич Бражников

Первый Московский государственный медицинский университет им. И.М. Сеченова

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

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

Россия, Москва

Надежда Геннадьевна Мороз

Первый Московский государственный медицинский университет им. И.М. Сеченова

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

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

Россия, Москва

Анастасия Васильевна Мудрова

Первый Московский государственный медицинский университет им. И.М. Сеченова

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

студентка Института клинической медицины им. Н.В. Склифосовского

Россия, Москва

Дарья Леонидовна Варганова

Ульяновская областная клиническая больница

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

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

Россия, Ульяновск

Чавдар Савов Павлов

Первый Московский государственный медицинский университет им. И.М. Сеченова; Московский многопрофильный научно-клинический центр им. С.П. Боткина

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

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

Россия, Москва; Москва

Список литературы

  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

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Оптимизированные диагностические критерии МАЖБП, текущий термин – НАЖБП.

Скачать (153KB)
Метаданные
3. Рис. 2. Аксиальные компьютерные томограммы без контраста в печени и селезенке. Желтым кругом выделены ROI: а – мужчина, 25 лет, КТп – 34 HU, КТс – 44 HU; b – женщина, 56 лет, КТп – 29 HU, КТс – 45 HU; c – обзорный снимок, область печени практически полностью попадает в срез при проведении КТ органов грудной клетки.

Скачать (231KB)
Метаданные
4. Рис. 3. Результаты исследования плотности печени и селезенки по данным КТ.

Скачать (78KB)
Метаданные
5. Рис. 4. Диагностическая эффективность HSI при стеатозе печени у пациентов с МАЖБП и вирусной пневмонией по сравнению с плотностью печени по данным КТ: a – график рассеяния уровня HSI в зависимости от HU печени, сплошная линия представляет собой наилучшую линейную регрессию; b – ROC-кривые эффективности HSI при диагностике стеатоза печени по критериям КТ.

Скачать (86KB)
Метаданные

© ООО "Консилиум Медикум", 2025

Creative Commons License
Эта статья доступна по лицензии 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».