Интеграция анализа состава тела и машинного обучения для неинвазивной идентификации метаболически ассоциированной жировой болезни печени: крупномасштабное исследование на основе медосмотров

Почему скрытый жир в печени важен

Многие люди, которые чувствуют себя совершенно здоровыми, тихо накапливают жир в печени — состояние, ныне называемое метаболически ассоциированной жировой болезнью печени (MAFLD). Оно тесно связано с набором веса, повышенным уровнем сахара в крови и сердечно‑сосудистыми заболеваниями, но часто пропускается при обычных осмотрах, поскольку стандартные показатели, такие как вес и базовые анализы крови, не полностью отражают происходящее внутри организма. В этом исследовании изучают, может ли быстрый скан состава тела в сочетании с современными вычислительными алгоритмами выявлять людей с риском задолго до развития серьёзного повреждения печени.

Заглянуть внутрь тела без иглы

Исследователи использовали данные более чем 23 000 взрослых в Китае, прошедших регулярные медосмотры в 2017–2021 годах, а также дополнительную группу из 3 300 человек, обследованных позже для валидации результатов. Всем проводили два ключевых теста: абдоминальное УЗИ для выявления жировых отложений в печени и анализ состава тела с помощью биоимпедансного аппарата — прибора, похожего на напольные весы, который пропускает очень слабый ток через тело. Этот скан оценивает, сколько у человека жира, мышц, костной массы и воды, а также какую долю жира составляют глубоко расположенные внутри живота висцеральные отложения — тип жира, наиболее тесно связанный с метаболическими нарушениями.

Преобразование измерений тела в сигналы риска

Из длинного списка возможных показателей команда сосредоточилась на 13, которые можно собрать без забора крови: возраст, пол, окружность талии, индекс массы тела (ИМТ), суммарная вода в организме и рейтинг висцерального жира и т. д. Затем они провели статистические проверки, чтобы удалить перекрывающиеся или избыточные показатели, и использовали метод интерпретируемости SHAP, чтобы определить, какие признаки дают наибольшую информацию о жировой болезни печени. В итоге шесть показателей оказались одновременно надёжными и практичными: рейтинг висцерального жира, окружность талии, масса тела, ИМТ, суммарная вода в организме и доля внеклеточной воды (процент внеклеточной жидкости). Эти переменные стали входными данными для восьми различных компьютерных моделей, обученных различать людей с MAFLD и без него.

Машинное обучение, которое с высокой точностью выявляет риск

Команда создала и сравнила несколько типов моделей машинного обучения, включая простую логистическую регрессию, опорные векторные машины и более продвинутые деревообразные методы, такие как градиентный бустинг и случайные леса. При использовании десятикратной кросс‑валидации на основном наборе данных деревообразные модели стабильно оказывались лучшими, достигая площадей под кривой ROC (AUC) выше 0,96. Это означает, что модели почти всегда присваивали человеку с MAFLD более высокий риск по сравнению с человеком без него. При проверке этих моделей на отдельной группе более 3 000 последующих пациентов качество осталось очень высоким: AUC по‑прежнему превышали 0,95, при высокой точности и полноте. В практическом смысле комбинированный подход — анализ состава тела и машинное обучение — эффективно отмечал людей с жировой печенью, при этом число ложных тревог оставалось относительно низким.

Особая роль жира в брюшной полости и баланса жидкости

Во всех моделях и подгруппах — у мужчин и женщин, у молодых и пожилых, у худых и более полных людей — рейтинг висцерального жира оказался самым сильным маркером MAFLD. Окружность талии и ИМТ также были важны, но несколько менее информативны, что подчёркивает: важно не только сколько, но и где накоплен жир. Исследование также выделило значимость водного баланса тела. Более высокий процент внеклеточной воды, что может отражать лёгкую задержку жидкости и воспаление, был связан с повышенным риском жировой болезни печени, тогда как больший общий объём воды в организме, вероятно, защищал — возможно, как маркер лучшей мышечной массы и общего метаболического здоровья.

Что это может значить для обычных медосмотров

Для пациентов вывод таков: быстрый шаг на устройство для анализа состава тела в сочетании с невидимой для них моделью машинного обучения однажды может дать раннее предупреждение о состоянии печени без уколов, радиации или дорогих обследований. Исследование предполагает, что фокус на глубоком брюшном жире и балансе жидкости даёт более ясную картину метаболического риска, чем только вес или ИМТ. Хотя необходимы дополнительные исследования в других странах и в течение более длительного времени, этот подход указывает на будущее, в котором рутинные визиты к врачу тихо генерируют мощные персонализированные оценки риска, позволяющие врачам и пациентам принимать меры по MAFLD до того, как она молча прогрессирует.

Цитирование: He, Y., Cao, Y., Chen, Z. et al. Integrating body composition analysis and machine learning for non-invasive identification of metabolic dysfunction-associated fatty liver disease: a large-scale health examination-based study. Sci Rep 16, 7038 (2026). https://doi.org/10.1038/s41598-026-37852-w

Ключевые слова: жировая печень, висцеральный жир, состав тела, машинное обучение, неинвазивный скрининг