Choroba wątroby
Rokowania, prognozy i postęp choroby
Prognozowanie w chorobach wątroby, zwłaszcza w zaawansowanych stadiach, jest kluczowe dla decyzji klinicznych i planowania terapii. Tradycyjne modele, takie jak skala Child-Pugh i MELD, pozostają istotnymi narzędziami prognostycznymi, przy czym Child-Pugh ocenia ryzyko zgonu na podstawie bilirubiny, albuminy i czasu protrombinowego, a MELD uwzględnia również funkcję nerek (kreatynina) i INR, co czyni go szczególnie użytecznym w alokacji narządów do przeszczepienia. Wartości MELD korelują z ryzykiem śmiertelności, a analiza wieloczynnikowa wskazuje na istotne znaczenie INR (RR 4,282; p=0,009), kreatyniny (RR 8,785; p=0,03) i MEGX60 (RR 0,920; p=0,01) dla 6-miesięcznej śmiertelności. Modele CLIF, zwłaszcza CLIF-SOFA i CLIF-C ACLF, wykazują wysoką wartość prognostyczną w ostrych niewydolnościach wątroby na tle przewlekłej choroby (ACLF), a nowe narzędzia, takie jak CLIF-C MET, bazujące na metabolitach, poprawiają przewidywanie krótkoterminowej śmiertelności. Dynamiczne modele punktacji uwzględniające zmiany kliniczne w czasie oraz zaawansowane metody, w tym sztuczna inteligencja i uczenie maszynowe, oferują lepszą dokładność prognostyczną niż tradycyjne systemy.
- Prognozowanie wyników w chorobie wątroby
- Tradycyjne modele prognostyczne w chorobie wątroby
- Nowe modele prognostyczne w chorobie wątroby
- CLIF-SOFA i CLIF-C ACLF
- Modele metabolomiczne
- Modele dynamicznej prognozy
- Modele oparte na sztywności wątroby
- Modele oparte na uczeniu maszynowym i sztucznej inteligencji
- Inne czynniki prognostyczne w chorobie wątroby
- Sarkopenia jako wskaźnik prognostyczny
- Enzymatyczna funkcja wątroby
- Ukryta encefalopatia wątrobowa
- Znaczenie okołoguzkowych struktur limfoidalnych
- Podsumowanie i przyszłe kierunki
Prognozowanie wyników w chorobie wątroby
Prognoza stanowi istotny element wstępnej oceny każdej choroby. W przypadku choroby wątroby, szczególnie w jej zaawansowanym stadium, precyzyjne prognozowanie ma kluczowe znaczenie dla podejmowania decyzji klinicznych, planowania leczenia oraz oceny ryzyka zgonu. Istnieje wiele modeli prognostycznych, które zostały opracowane w celu przewidywania wyników u pacjentów z różnymi postaciami chorób wątroby, od przewlekłych schorzeń po ostrą niewydolność wątroby.12
Znaczenie prognozy w chorobie wątroby
Dokładna ocena prognostyczna w chorobie wątroby pozwala na identyfikację pacjentów wysokiego ryzyka, którzy mogą wymagać intensywnego leczenia, w tym kwalifikacji do przeszczepienia wątroby. Jest to szczególnie istotne w przypadku pacjentów z ostrą niewydolnością wątroby, gdzie wczesne określenie prawdopodobieństwa spontanicznego wyzdrowienia lub śmiertelności decyduje o wdrożeniu odpowiednich procedur terapeutycznych.3 Opóźniona lub niedokładna diagnoza i prognoza w ostrej i przewlekłej chorobie wątroby prowadzi do zwiększonej chorobowości i śmiertelności.4
Znaczenie właściwego prognozowania podkreśla fakt, że nawet w przypadku chorób z wysoką śmiertelnością, jak ostra niewydolność wątroby na podłożu przewlekłego zapalenia wątroby typu B (HBV-ACLF), gdzie śmiertelność wewnątrzszpitalna może przekraczać 70% bez przeszczepienia, wczesna interwencja może znacząco poprawić rokowanie.5 Zatrzymanie lub spowolnienie progresji przewlekłego zapalenia wątroby typu B do ACLF na wczesnym etapie może być najskuteczniejszym sposobem zmniejszenia chorobowości i śmiertelności pacjentów.6
Tradycyjne modele prognostyczne w chorobie wątroby
Skala Child-Pugh
Skala Child-Pugh przez około trzy dekady stanowiła referencyjny system oceny prognozy marskości wątroby w zaawansowanej chorobie wątroby. Pomimo wprowadzenia nowszych modeli, obecny przegląd systematyczny wskazuje, że skala Child-Pugh nadal pozostaje najbardziej znaczącym predyktorem zgonu, nawet u pacjentów z wyrównaną marskością, przy braku wodobrzusza, encefalopatii i żółtaczki. Jest to spowodowane faktem, że jej składniki laboratoryjne – bilirubina, albumina i czas protrombinowy – pozostają wśród najczęstszych predyktorów zgonu, wskazując, że nawet subtelne nieprawidłowości w tych parametrach laboratoryjnych mają wartość prognostyczną w odniesieniu do śmiertelności.1
Wysoki wynik w skali Child-Pugh oznacza, że przeprowadzenie operacji nie jest bezpieczne i nie powinno być wykonywane. Pacjenci, którzy nie mogą być poddani operacji, mają gorsze rokowanie niż osoby, u których można chirurgicznie usunąć raka wątroby.7
Skala MELD (Model for End-Stage Liver Disease)
MELD jest modelem prognostycznym, który zyskał szczególne znaczenie w ocenie ryzyka zgonu u pacjentów z zaawansowaną chorobą wątroby. Model ten uwzględnia parametry dysfunkcji nerek (kreatynina), które są silnymi wskaźnikami prognostycznymi w marskości wątroby. MELD stał się cennym narzędziem w alokacji narządów do przeszczepienia.8
Model MELD został zaproponowany jako narzędzie do przewidywania ryzyka śmiertelności u pacjentów z marskością. W europejskiej serii pacjentów z marskością wątroby, wynik MELD okazał się doskonałym predyktorem zarówno krótko-, jak i średnioterminowego przeżycia, działając co najmniej tak dobrze jak skala Child-Pugh. Wzrost wyniku MELD jest związany ze spadkiem rezydualnej funkcji wątroby.9
Analiza wieloczynnikowa wykazała, że INR (RR 4,282; p=0,009), poziom kreatyniny w surowicy (RR 8,785; p=0,03) i MEGX60 (RR 0,920; p=0,01) były zmiennymi znacząco związanymi z 6-miesięczną śmiertelnością, podczas gdy obecność wodobrzusza (RR 2,146; p=0,01), poziom kreatyniny w surowicy (RR 1,473; p=0,01), INR (RR 2,47; p=0,04) i MEGX60 (RR 0,969; p=0,05) były znacząco związane z roczną śmiertelnością.9
Pomimo kilku ograniczeń INR, pozostaje on praktycznie użytecznym i statystycznie istotnym korelatem ryzyka śmiertelności u pacjentów z zaawansowaną chorobą wątroby. Wynik MELD okazał się dobrym markerem prognostycznym w przypadkach krwawienia z żylaków, samoistnego bakteryjnego zapalenia otrzewnej i zespołu wątrobowo-nerkowego (HRS).8
Jednak skala MELD i jej warianty nie są w stanie przewidzieć wczesnych zgonów u pacjentów z ostrą niewydolnością wątroby na tle przewlekłej choroby wątroby (ACLF).10
Nowe modele prognostyczne w chorobie wątroby
CLIF-SOFA i CLIF-C ACLF
Modele opracowane przez Konsorcjum CLIF (Chronic Liver Failure Consortium) wykazują dobrą wartość prognostyczną w ocenie ryzyka zgonu u pacjentów z ostrą niewydolnością wątroby na tle przewlekłej choroby wątroby (ACLF). Wynik CLIF-SOFA ma szczególnie wysoką wartość dyskryminacyjną dla oceny krótkoterminowej śmiertelności i może pomóc poprawić postępowanie u pacjentów z ACLF.11
W badaniu porównującym osiem modeli prognostycznych w przewidywaniu śmiertelności pacjentów z ACLF przyjętych na oddział intensywnej terapii (OIT), wyniki APACHE III i CLIF-C ACLF były znacząco lepsze od innych modeli w przewidywaniu ogólnej śmiertelności, określonej przez analizę krzywej ROC zależnej od czasu (AUROC: 0,817).12 W przewidywaniu 28-dniowej śmiertelności, APACHE III nie wykazał znaczącej różnicy w porównaniu do CLIF-C OF, CLIF-C ACLF i MELD, ale wszystkie były statystycznie lepsze od MPM0-III i SAPs III.13
Dokładne markery prognostyczne mogą pomóc identyfikować pacjentów zagrożonych lub tych w stanie daremności, takich jak pacjenci z ACLF i wysokimi wynikami CLIF-C ACLF (≥70), którzy po 48 godzinach intensywnej terapii mogą osiągnąć próg daremności dalszego intensywnego wsparcia.4
Modele metabolomiczne
Badania zidentyfikowały trzy metabolity o potencjale prognostycznym u pacjentów z ostrą dekompensacją marskości wątroby i ACLF, które mogą lepiej przewidywać krótkoterminową śmiertelność. Nowy wynik CLIF-C MET wykazuje doskonałe właściwości w przewidywaniu krótkoterminowej śmiertelności u pacjentów z ostrą dekompensacją marskości wątroby, opierając się na wykrywaniu podwyższonych poziomów krążących metabolitów, które prawdopodobnie wynikają ze zmian w pozawątrobowych szlakach metabolicznych w odpowiedzi na ciężki stan zapalny.1014
Wynik CLIF-C MET może być stosowany w praktyce klinicznej do indywidualizacji prognozy wyniku u pacjentów z ostrą dekompensacją marskości wątroby i do poprawy alokacji narządów poprzez priorytetyzację tych pacjentów do przeszczepienia wątroby.14
Modele dynamicznej prognozy
Ostra niewydolność wątroby na tle przewlekłej choroby wątroby (ACLF) jest dynamicznym zespołem, a sekwencyjna ocena może dokładniej odzwierciedlać rokowanie. Badania rozwijają nowy system punktacji do przewidywania krótkoterminowej prognozy z wykorzystaniem danych wyjściowych i dynamicznych u pacjentów z ACLF.15
Analiza wieloczynnikowa regresji Coxa wykazała, że wiek, typ WGO, podstawowa etiologia, całkowita bilirubina, kreatynina, aktywność protrombiny i stadium encefalopatii wątrobowej były niezależnymi czynnikami prognostycznymi w ACLF. Nowy model punktacji, łączący charakterystykę wyjściową i dynamiczne zmiany wskaźników klinicznych do przewidywania przebiegu ACLF, wykazał lepszą zdolność prognostyczną niż obecne systemy punktacji.15
Ze względu na szybko zmieniający się charakter ACLF, zarówno początkowa charakterystyka, jak i dynamiczne trendy wskaźników klinicznych są pomocne w przewidywaniu rokowania. Sekwencyjna ocena w wielu punktach czasowych może dokładnie odzwierciedlać przebieg kliniczny i odpowiedź na leczenie, teoretycznie poprawiając zdolność prognostyczną w porównaniu do pojedynczego punktu czasowego.15
Modele oparte na sztywności wątroby
W retrospektywnych badaniach sztywność wątroby (LS) mierzona za pomocą elastografii przejściowej kontrolowanej wibracją (VCTE) jest związana z ryzykiem dekompensacji wątroby u pacjentów z niealkoholowym stłuszczeniowym zapaleniem wątroby (NASH), ale dane prospektywne w kohortach potwierdzonych biopsją z zaawansowanym włóknieniem są ograniczone.16
Optymalne progi LS na początku wynosiły 16,6 kPa dla przewidywania progresji do marskości i 30,7 kPa dla przewidywania zdarzeń związanych z wątrobą. Wyjściowa LS ≥16,6 kPa i wzrost o 5 kPa (i 20%) były niezależnymi predyktorami progresji do marskości u uczestników z włóknieniem mostkowym, podczas gdy wyjściowa LS ≥30,7 kPa przewidywała zdarzenia związane z wątrobą u uczestników z marskością.16
Progi LS zidentyfikowane w tym badaniu mogą być przydatne do stratyfikacji ryzyka pacjentów z NASH z zaawansowanym włóknieniem. W analizie czterech dużych, prospektywnych, międzynarodowych, wieloośrodkowych, randomizowanych badań kontrolowanych placebo z uczestnikami z NASH i potwierdzonym w biopsji zaawansowanym włóknieniem (F3–F4), kliniczna progresja choroby była związana z wyższą sztywnością wątroby mierzoną elastografią przejściową kontrolowaną wibracją na początku badania.17
Modele oparte na uczeniu maszynowym i sztucznej inteligencji
Modele CART (Classification and Regression Tree)
Modele CART oferują intuicyjną metodę przewidywania wyników, wykorzystując procesy znane klinicystom. Dane z rejestru ALFSG sugerują, że modele prognozowania CART dla populacji z przedawkowaniem paracetamolu oferują poprawioną czułość i wydajność modelu w porównaniu do tradycyjnych KCC opartych na regresji, utrzymując podobną dokładność i nieznacznie gorszą swoistość.1819
W badaniu mającym na celu opracowanie nowych modeli predykcyjnych do oceny 180-dniowej śmiertelności pacjentów z HBV-ACLF na podstawie wstecznej krokowej regresji logistycznej (LR) i analizy drzewa klasyfikacji i regresji (CART), zarówno modele LR, jak i CART okazały się lepsze od wyników MELD w przewidywaniu 180-dniowej śmiertelności pacjentów z HBV-ACLF.20
AUROC dla tego modelu prognostycznego był znacząco wyższy niż dla wyniku MELD. Oba modele, LR i CART, wydawały się działać lepiej niż wynik MELD. Analiza CART miała AUROC wynoszący 0,878 (95% CI: 0,810–0,923). Wydajność analizy LR była wysoka, z AUROC wynoszącym 0,878 (95% CI: 0,820–0,923). Nie było jednak istotnej różnicy między modelem CART a LR.21
Sieci neuronowe i uczenie głębokie
Zastosowanie sztucznej inteligencji (AI) przyniosło głęboką zmianę w ocenie prognostycznej marskości wątroby. Badania wykazują, że proste modele sieci neuronowej Transformera, trenowane na rutynowo zbieranych danych z opieki wtórnej, są w stanie produkować dobrze skalibrowane prawdopodobieństwa i osiągać dobrą moc dyskryminacyjną w zbiorze danych poza próbką w długim (do 3 lat) oknie predykcyjnym, z AUROC 0,70–0,86 (95% CI: 0,67–0,90) dla śmiertelności z wszystkich przyczyn u pacjentów z metaboliczną dysfunkcją związaną ze stłuszczeniową chorobą wątroby (MASLD).2223
Pomimo ogromnego obciążenia klinicznego MASLD, brakuje zwalidowanych narzędzi do wczesnej stratyfikacji ryzyka, a heterogeniczna ekspresja choroby i wysoce zmienna szybkość progresji do wyników klinicznych skutkują niepewnością prognostyczną. Zwiększona dostępność elektronicznych kart zdrowia (EHR) otwiera nowe możliwości rozwoju algorytmów predykcyjnych, które ułatwiają skuteczny monitoring MASLD.24
Uczenie zespołowe wykazuje liczne zalety w porównaniu do konwencjonalnych metodologii uczenia maszynowego, co czyni je potężną metodologią do zwiększenia skuteczności predykcji w różnorodnych zadaniach. Proponowane modele oparte na gradient boosting wykazują lepsze wyniki w większości metryk w porównaniu z kilkoma ostatnimi podobnymi pracami, sugerując ich skuteczność w przewidywaniu chorób wątroby.25
Inne czynniki prognostyczne w chorobie wątroby
Sarkopenia jako wskaźnik prognostyczny
Sarkopenia okazała się niezależnym czynnikiem ryzyka progresji u pacjentów z ACLF (HR 3,771 95% CI 2,114-6,727, p<0,001). Badania wykazują, że sarkopenia jest prostym i obiektywnym wskaźnikiem do przewidywania krótkoterminowej prognozy u pacjentów z ACLF. W porównaniu z konwencjonalnymi wynikami prognostycznymi, model AMPAS1 (który uwzględnia sarkopenię) jest lepszym modelem do przewidywania 90-dniowych niekorzystnych wyników u pacjentów z ACLF.26
Badania wskazują, że sarkopenia jest prostym i obiektywnym wskaźnikiem, który może przewidywać 90-dniową prognozę pacjentów z ACLF. AMPAS1 jest lepszym modelem do przewidywania 90-dniowych niekorzystnych wyników u pacjentów z ACLF niż konwencjonalne wyniki prognostyczne.27
Enzymatyczna funkcja wątroby
Enzymatyczna funkcja wątroby mierzona przez LiMAx jest ściśle związana z różnymi etapami ciężkości przewlekłej choroby wątroby (CLD) i stanowi wiarygodne narzędzie diagnostyczne i prognostyczne o dokładności porównywalnej do obecnych standardowych metod. LiMAx był lepszy od elastografii przejściowej (TE) i biomarkerów w surowicy w przewidywaniu wyniku pacjentów pod względem 90-dniowej śmiertelności (AUROC 0,811, p<0,001).28
Ukryta encefalopatia wątrobowa
Pomimo negatywnego wpływu ukrytej encefalopatii wątrobowej na wynik pacjentów z marskością wątroby, dane dotyczące zdolności różnych strategii testowania do przewidywania rozwoju jawnej encefalopatii wątrobowej (OHE) i śmiertelności są ograniczone. PHES i wynik CCHE przewidują rozwój OHE i śmiertelność u pacjentów z marskością wątroby. W szczególności, u pacjentów z niskim wynikiem MELD, obie strategie testowania mogą pomóc zidentyfikować pacjentów, którzy mogliby skorzystać z przeszczepienia wątroby.29
Patologiczne wyniki w PHES, CFF, S-ANT1 i wyniku CCHE przewidywały rozwój OHE, podczas gdy nieprawidłowe PHES i wynik CCHE były również związane z wyższym ryzykiem śmiertelności w całej kohorcie i w podgrupie pacjentów z niskim wynikiem MELD (≤15). Wynik CCHE może być idealnym, szybkim i niedrogim narzędziem do identyfikacji pacjentów o wysokim ryzyku klinicznie istotnych wyników w rutynowej praktyce.29
Znaczenie okołoguzkowych struktur limfoidalnych
U pacjentów z rakiem wątrobowokomórkowym (HCC) i wysoką gęstością okołoguzkowych struktur limfoidalnych trzeciorzędowych (pTLS) odnotowano przedłużone mediany całkowitego przeżycia (p<0,05) i korzystniejszą odpowiedź na immunoterapię (p=0,03). Badania zidentyfikowały kluczowe regulatory gęstości pTLS u pacjentów z HCC i zaproponowały nieinwazyjny klasyfikator radiomic zdolny do pomocy w stratyfikacji prognozy i leczenia.30
Grupa o wysokiej gęstości pTLS wykazała istotną korelację z poprawą całkowitego przeżycia (OS) i przeżycia wolnego od nawrotu (RFS) (oba log-rank p<0,05) w kohortach TCGA-LIHC (n=363) i własnych (n=660). Przewidywana grupa pTLShigh wykazała przedłużone przeżycie dla OS (HR 0,20–0,44, p=0,005–0,001) i RFS (HR 0,25–0,73, p=0,015–0,001) w porównaniu z przewidywaną grupą pTLSlow w trzech zestawach danych.30
Podsumowanie i przyszłe kierunki
Właściwa ocena prognozy choroby wątroby pozostaje kluczowym wyzwaniem klinicznym. Chociaż tradycyjne modele, takie jak skala Child-Pugh i MELD, nadal odgrywają istotną rolę, nowe podejścia, w tym modele oparte na sztucznej inteligencji, dynamicznej analizie danych czy zaawansowanych biomarkerach, oferują lepsze możliwości przewidywania wyników.222
Przyszłe badania wymagają większych rozmiarów próbek i dobrze zdefiniowanego rozwoju modeli, a także ciągłej optymalizacji i walidacji istniejących technologii, aby zapewnić zastosowanie kliniczne technologii sztucznej inteligencji i dalsze promowanie zastosowania sztucznej inteligencji w dziedzinie leczenia chorób wątroby w celu zapewnienia pacjentom dokładniejszej diagnozy i leczenia.22
Warto zauważyć, że modele predykcyjne powinny być dalej doskonalone, zanim staną się klinicznie użyteczne, jak sugeruje przegląd systematyczny modeli predykcyjnych dla ostrej niewydolności wątroby.31 Jednocześnie, ze względu na złożoność rozwoju chorób wątroby, znaczna liczba wskaźników i modeli ma ograniczenia metodologiczne lub sprawozdawcze. Dlatego idealne systemy wczesnego ostrzegania i predykcji prognostycznej, które zwracają większą uwagę na różne choroby podstawowe i powikłania, są nadal potrzebne.32
Podsumowując, dokładne prognozowanie w chorobie wątroby pozostaje kluczowe dla optymalizacji leczenia, priorityzacji przeszczepień wątroby i poprawy wyników pacjentów. Integracja różnych modeli prognostycznych, uwzględniających zarówno tradycyjne wskaźniki, jak i nowe biomarkery oraz technologie, pozwala na bardziej precyzyjną stratyfikację ryzyka i indywidualizację podejścia terapeutycznego.
Kolejne rozdziały
Zapraszamy do dalszego czytania naszego leksykonu.
Wybierz kolejny rozdział z menu poniżej, aby otworzyć nową podstronę kompedium wiedzy i uzyskać szczegółowe informację o leku, substancji lub chorobie.