中大醫學院、美國加州大學聖地牙哥分校及溫洲醫科大學第一附屬醫院，三地共同成功開發了一種以血液為基礎的嶄新非侵入性早期診斷代謝性脂肪肝炎模型，有望可轉化至臨床應用，為患者提供更安全及具成本效益的診斷工具，研究成果已申請專利，並正在開發診斷試劑盒。研究詳情已刊登於醫學期刊《Cell Metabolism》。
這項研究的通訊作者、消化疾病研究國家重點實驗室(香港中文大學)主任于君表示，這個創新的早期診斷模型，是基於在前期脂肪性肝炎(MASH)患者樣本結合動物研究發現的可以識別MASH的相關因子，能準確識別代謝性脂肪肝(MASLD)和MASH患者，並可評估MASH的改善情況和治療效果。其診斷效能在亞洲及美洲的3個獨立隊列中得到驗證。
研究共同通訊作者、中大醫學院內科及藥物治療學系腸胃及肝臟科主任黃煒燊亦表示，這項發現將有助減少不必要的肝活檢程序，以便及早發現和介入，從而降低病情惡化的風險。
研究團隊從4個獨立隊列研究中，收集700個來自香港、中國及美國的血清樣本。研究前期透過分析健康對照、MASLD和MASH組的臨床診斷數據，利用結果所得的6種蛋白和17種臨床變數作檢測，並結合隨機森林算法和單因素邏輯回歸方法進行篩選，成功建立起一個包含2種血清蛋白生物標誌物(CK-18, CXCL10)和身體體重指數(BMI)的非入侵性生物標誌物模型N3-MASH。
研究第一作者、消化疾病研究國家重點實驗室(香港中文大學)助理教授張翔指出，此模型能準確識別出MASLD患者，AUROC達0.954，數值(由0至1)愈高代表模型表現能力愈好。在MASLD患者中，N3-MASH模型能夠識別MASH患者，AUROC為0.823，靈敏度、特異性和陽性預測值分別可達62.9%、90%及88.6%。這些發現有助於早期識別MASH患者，從而使他們提前接受密切跟進和適當干預。
