CN102334122A

CN102334122A - 肝纤维化或肝硬化的改进诊断

Info

Publication number: CN102334122A
Application number: CN2010800095374A
Authority: CN
Inventors: 保罗·卡乐斯; J·布尔西耶
Original assignee: University Angers; Centre Hospitalier Universitaire dAngers
Current assignee: University Angers; Universite dAngers; Centre Hospitalier Universitaire dAngers
Priority date: 2009-02-26
Filing date: 2010-02-26
Publication date: 2012-01-25
Anticipated expiration: 2030-02-26
Also published as: JP2012518507A; ES2683631T3; US20110306849A1; WO2010097472A1; JP5887141B2; US9585613B2; EP2401689A1; CN102334122B; BRPI1008488A2; EP2401689B1

Abstract

本发明涉及一种在个体上诊断肝病理的存在和/或肝病理的严重性和/或监测对肝病理的根治性治疗的效果的方法，其产生评分，该方法包括至少一种血液检测和由诊断肝纤维化的物理方法产生的至少一个数据的组合，所述数据选自由医学成像数据和临床测量结果组成的群组，所述组合通过数学函数执行。本发明还涉及一种方法，其中，利用数学函数的、至少一种血液检测和由诊断肝纤维化的物理方法产生的至少一个数据的组合至少执行两次，并且至少两个结果评分被组合在基于诊断可靠区间的算法中。

Description

肝纤维化或肝硬化的改进诊断

技术领域

本发明涉及肝纤维化或肝硬化的改进诊断方法，该方法通过在一个个体上(尤其是那些患有与明显或严重的纤维化或硬化有关的疾病的个体)将用于诊断肝纤维化的至少一种血液检测和至少一种物理方法组合来实现。本发明的方法涉及被称为SF或C指数的评分，可选地，涉及它们的组合。

背景技术

肝活检是用于诊断病人的肝疾病的传统方法。然而，由于肝活检是侵入性的而且昂贵，近十年里，作为肝活检的替代方法，肝纤维化的非侵入性活检受到了相当的关注。第一代简单的血液纤维化检测将常规的间接血液标记组合到简单比率中，例如APRI(5)或近期的FIB-4(6)。第二代计算检测通过逻辑回归将间接和/或直接纤维化标记组合起来，例如Fibrotest(7)、ELF评分(8)、FibroMeter(9)、Fibrospect(10)和Hepascore(11)。例如，WO03073822描述了用于诊断肝疾病及其严重性的非侵入性方法，该方法通过测量特定变量的级别并将所述变量组合到数学函数中以提供评分来实现，其中，特定变量包括生物变量和临床变量，评分通常被称为“纤维化评分”。WO03073822的方法也可用于监测肝疾病的治疗效果或状态。

肝纤维化的另一种非侵入性诊断方法是使用物理方法，例如用于收集应用于纤维化诊断的数据的超声显像弹性测定法(12)，例如“肝硬度评估(LSE)”。在Friedrich-Rust等人近期发表于“Gastroenterology”(2008，134：960-974)的题为“Performance of Transcient Elastography for the Staging of Liver Fibrosis：AMeta Analysis”的文章中，证实了用于肝纤维化分期的“瞬时弹性测定法”。

最终，血液纤维化检测已被组合到按序算法中以增加诊断准确度并限制肝活检(13-16)的比率。这些按序算法通常基于步进诊断，其包括：第一步的血液检测；然后是用于不确定情况的剩余灰区的肝活检。然而，这些多步骤按序算法的临床应用是困难的。此外，20％-50％的病人仍然需要肝活检。

发明内容

本发明的诊断目标可以是：

-纤维化分类：

○显著纤维化，定义为Metavir级≥2或Ishak级≥3

○严重纤维化，定义为Metavir级≥3或Ishak级≥4

○硬化，定义为Metavir级＝4或Ishak级≥5

-纤维化的量，如纤维化面积，即与整个肝组织相比，纤维化组织的表面，或者纤维化的三维量，即与整个肝组织相比，纤维化组织的体积，

-纤维化的定量构造，由分形维数反映，如Kolgomorov的分形维数。

本领域内解决这些诊断技术问题的技术人员知道肝纤维化早期和精确诊断的可靠方法的确认是一种不间断的过程，并知道存在对于继续提高肝纤维化的诊断和提高肝疾病或状况的监测的重要的医疗需求。此外，由于肝活检的价格和侵入性，也存在对于降低肝活检需要的要求。本领域技术人员的技能(即其能力)领会到诊断方法以根据纤维化发展程度正确将检测的个体分类。

目前，本领域内技术人员习惯于一方面实施组合有血液标记和临床标记(例如年龄、性别等)的血液检测，而另一方面实施成像方法。血液检测和成像方法被认为具有其特定的优点，并且本领域内技术人员根据患者的Metavir级使用血液检测或成像方法。

申请人意外地认识到组合来自血液检测的评分以及成像方法透露的数据，导致了一个具有极高诊断性能(准确度)的评分。当实施本发明时，发明人第一次比较了成像数据(例如肝硬度评估)和5次血液检测的诊断准确度，并将其准确度与其同步组合的准确度相比较，无论是在具有肝疾病或状况(参见实施例2)的不同病因的众多患者中，还是在相同病因的患者中，例如在患慢性丙型肝炎的患者(参见实施例1)中均进了这种比较。

在申请人构思出本发明时，本领域内技术人员并不具有来自血液检测的评分和来自成像方法的数据的组合是否有利的信息。这种组合的统计评估，例如，通过AUROC(接收者操作特征之下的区域)之间的差(即曾使用的组合敏感性和特异性的主要诊断信息)，还从未在本发明之前的时间使用过。

肝硬度评估(LSE)是作为来自成像方法的有利的数据的实例。LSE在诊断硬化方面具有良好的准确度，但LSE在早期纤维化阶段的再现性很差。出于该原因，LSE主要用于诊断肝硬化。

对于早期的纤维化阶段来说，血液检测已经展现出其比LSE具有较高的再现性和准确度。

令人惊奇的是，申请人发现：组合来自血液检测的诊断信息和来自成像方法的数据，特别是但不限于Fibroscan^TM或ARFI数据(例如LSE数据)，提供了若干优点和意料之外的准确度，这导致可以诊断从显著纤维化到严重纤维化的肝纤维化和硬化。

申请人也建立了第一算法，称为昂热SF-算法(Angers SF-algorithm)，其组合来自血液检测的评分和成像数据，优选地Fibroscan数据，其在本申请的优先权日之时，申请人已知的替代方法中的最好方案，其优点例如：很准确的分类和低肝活检需求，反映为低肝活检/准确率。

本发明因此涉及非侵入性方法，该方法涉及数学函数(例如二进制逻辑回归)得到的评分，该数学函数组合了血液检测评分和成像(优选地Fibroscan)数据，从而高准确度地估计个体中是否存在纤维化或纤维化的严重性。

本发明所列的同步组合兼具血液检测和成像方法的优点，在消除这些方法的缺点后，由此显著地提高肝纤维化的单次诊断准确度。

1、在一种实施方式中，本发明的方法包括多次重复(至少两次)该方法，从而得到至少两个评分。在该实施方式中，本发明的方法也可包括：在另一步骤中，组合上述的至少两个评分(即，通过组合血液检测评分和成像(优选地Fibroscan)数据的数学函数，例如二进制逻辑回归，得到的两个评分)，所述组合在基于诊断可靠区间(参见实施例1的表5)的算法中实现。实施该另一步骤产生了三个新的用于纤维化的非侵入性诊断的评分/分类，称为F≥2-指数、F≥3-指数、F4指数。实施该另一步骤具有高的工业利益，并具有增加的准确度。因此，本发明还涉及一种方法，其中，通过数学函数组合至少一种血液检测和来自诊断肝纤维化的至少一种物理方法的组合至少被执行两次，由此产生的至少两个评分在基于诊断可靠区间的算法中被组合。

本发明的方法改进了诊断准确度并显著地减少了算法中的活检需求。

因此，本发明涉及一种在个体上诊断肝病理是否存在和/或其严重性和/或监测对肝病理的根治性治疗的效果的方法，包括至少一种血液检测和来自诊断肝纤维化的物理方法的至少一个数据的组合，该数据选自由医学成像数据和临床测量结果组成的群组，其中，医学成像数据包括超声成像弹性测定(如Fibroscan^TM或ARFI)数据，通过数学函数进行所述组合。根据第一实施方式，医学成像数据是LSE数据。根据另一实施方式，如本领域内技术人员已知的用于诊断纤维化的有用数据一样，临床测量结果是脾脏测量结果，尤其是长度。

本领域内技术人员已知这种数学函数。数学函数优选地是二进制逻辑回归。

更具体地，本发明的方法包括：

a)根据个体的血液样本，执行评分，评分选自由APRI、FIB-4、Hepascore、Fibrotest^TM和FibroMeter组成的群组，

b)执行诊断肝纤维化的物理方法，以收集与纤维化相关的数据，以及

c)将评分和来自物理方法的数据组合在数学函数中，数学函数优选地是二进制逻辑回归，然后产生用于在个体上诊断肝病理是否存在和/或其严重性和/或监测对肝病理的根治性治疗的效果的新评分。

在优选实施方式中，组合是同步组合。同步组合是通常通过二进制逻辑回归将步骤a)的数据和步骤b)的数据组合成新评分的一步组合。

同步组合按如下进行：血液检测的结果和来自物理方法的数据(优选地来自Fibroscan^TM或ARFI，例如LSE数据)在第一步中被记录。然后，其值被计算以获得组合评分。

申请人意外地注意到，源自实施本发明的方法的评分证实了肝疾病或状况的存在与否或其严重性，其优选地源自血液检测和来自物理方法的数据(优选地LSE数据，优选地通过超声成像弹性测定)的同步组合，该方法具有改进的准确度并因此降低了按序算法中活检的需求(为诊断显著纤维化：活检需求≈20％，为诊断硬化：活检需求≈10％)。根据本发明，本发明的方法的准确度高于75％，优选地80％到99％，更优选地85％到95％，甚至更优选地在大约90％左右。准确度意味着被正确分类的患者的数量。

优选地，肝疾病或状况为显著波多间隔(porto-septal)纤维化、严重波多间隔纤维化、小叶中心纤维化、硬化、窦周纤维化；纤维化由于酒精原因或非酒精原因而产生。根据一种实施方式，个体是患有慢性丙型肝炎的患者。

根据本发明的一种实施方式，血液检测是选自由APRI、FIB-4、Hepascore、Fibrotest^TM和FibroMeter^TM组成的群组中的评分。FibroMeter^TM是优选的。

APRI是基于血小板和AST的血液检测。

FIB-4是基于血小板ASAT、ALT和年龄的血液检测。

HEPASCORE是基于透明质酸、胆红素、α2-巨球蛋白、GGT、年龄和性别的血液检测。

FIBROTEST^TM是基于α2-巨球蛋白、结合珠蛋白、载脂蛋白A1、总胆红素、GGT、年龄和性别的血液检测。

FIBROMETER^TM是一组血液检测，其内容依赖于慢性肝病的成因和诊断目标，具体参见下表：

FibroMeter

年龄

性别

A2M

AH

PI

PLT

AST

Urea

GGT

Bili

ALT

Fer

Glu

F病毒

x

X

x

AOF病毒

x

F酒精

x

AOF酒精

x

F NAFLD

x

X

x

X

x

X

A2M：α2-巨球蛋白，HA：透明质酸，PI：凝血酶原指数，PLT：血小板，Bili：胆红素，Fer：铁蛋白，Glu：葡萄糖，F：纤维化评分(Metavir)，AOF：纤维化面积，NAFLD：非酒精脂肪肝疾病

优选地，物理方法选自由下列各项组成的群组：超声成像，尤其是多普勒超声成像、弹性测定超声成像和测速超声成像；IRM；和MNR，尤其是MNR弹性测定或测速。优选地，数据是LSE数据。根据本发明的优选实施方式，数据源自Fibroscan。

根据优选实施方式，数学逻辑回归函数如下：

评分＝a₀+a₁x₁+a₂x₂+...

其中，a_i系数是常量，x_i是自变量。

该评分对应于p分对数，其中，p是显著纤维化、严重纤维化或硬化出现的可能性。

P计算如下：

p＝exp(a₀+a₁x₁+a₂x₂+...)/(1+exp(a₀+a₁x₁+a₂x₂+...))

或p＝1/(1+exp(-a₀-a₁x₁-a₂x₂-...))

其中，a_i和x_i对应于评分公式中的a_i和x_i。

病变(例如显著纤维化)的出现由可能性p大于诊断阈值来确定，其中，阈值通常等于0,5或等于最大约登指数(Se+Spe-1)，或等于最大诊断效能(除非另有说明)。

根据本发明的一种实施方式，对于显著纤维化而言，可用于本发明的方法的二进制回归的系数如下：3.9066FM+0.1870FS-2.8345，其中，FM为FibroMeter值，FS为Fibroscan值。

根据本发明的另一实施方式，对于硬化而言，可用于本发明的方法的二进制回归的系数如下：3.6128FM+0.1484FS-6.4999。

根据本发明的又一实施方式，对于严重纤维化而言，可用于本发明的方法的二进制回归的系数如下：3.3135FM+0.1377FS-4.2485。

其中，FM：FibroMeter值，FS：Fibroscan值。

二进制逻辑回归评分：举例来说，在慢性病毒性丙型肝炎中具体观察到的具有95％置信区间的β系数可以是：

其中，FM＝FibroMeter^TM

FS＝Fibroscan^TM

根据本发明的优选实施方式，血液评分是FibroMeter评分，而物理方法数据是通过超声成像的LSE数据。在所有的检测群组中，FibroMeter总被确定为显著纤维化的第一独立预测手段，尽管与LSE相比，其具有稍低的AUROC。事实上，FibroMeter在逻辑回归中提供了最高的诊断准确度。此外，FibroMeter在常规血液检测中可能是最精确和最稳定的方法(18)。在申请人研究的各种评估中，FibroMeter和LSE的同步组合是用于诊断显著纤维化和硬化的最精确方法。

有利的是，肝疾病或状况的存在与否或其严重性在两步中被诊断，第一步为FibroMeter血液检测，第二步为收集来自物理方法的数据，优选地为LSE数据，其中，通过逻辑回归进行FibroMeter血液检测和所述数据的组合。

根据本发明的方法，肝活检/准确率可从0.10(硬化)到0.22(临床显著纤维化)；而该比例在不具有同步组合的传统算法中为0.25-0.51。

根据一种实施方式，本发明的方法涉及显著纤维化评分，称为显著纤维化-指数(SF-指数)。该评分通过使用来自进行血液检测(优选地FibroMeter)和成像数据(优选地LSE数据)的患者群组的实验结果建立。

根据本发明的另一种实施方式，本发明的方法涉及硬化评分，称为实施本发明的方法的C-指数，其用于诊断硬化的患者。

关于本发明的方法所提供的准确度的增加，申请人注意到本发明的方法提供了比血液检测或物理数据(例如尤其单独用于诊断显著纤维化的LSE)显著较高的AUROC和用于硬化的预测值的增加(参见实施例2的表4)。

关于SF-指数，其继承了由每个纤维化阶段的每个单个检测提供的最低错误分类率：F0/1级中的血液检测，和F≥2级中的LSE(例如参见图1)。此外，SF-指数解决了血液检测和LSE之间的66％的不一致情况(例如参见实施例2的表5)。最终，SF-指数显著地增加了包括在≥90％预测值区间中的患者的比例(例如参见实施例2的表6)。因此，与按序算法的血液检测或LSE相比，SF-指数导致了明显极低的肝活检率。此外，由SF指数确定的可靠诊断的三个简单区间(F0/1、F1±1和F≥2)在不需要肝活检的情况下给100％群组中的非侵入性诊断提供了90.6％的准确度(参见图3a)。

关于C-指数，与LSE单独相比，尽管其在用于硬化的诊断方面没有提供明显的增加(例如参见实施例2的表3、4)，但其提供了两个优点：1)其解决了LSE和血液检测之间的68.4％的不一致情况(例如参见实施例2的表5)；及2)具有≥90％预测值的患者的比例明显比单独的LSE或血液检测高(例如参见实施例2的表6)，因此使得在算法中需要的肝活检的比例很低(9％)。最终，通过在不需要活检的情况下考虑可靠个体诊断的三个区间：无硬化、F≥2和硬化，C指数允许为100％的患者进行硬化的非侵入性诊断，其准确度为90.3％。

关于按序算法，如最近的在先研究所展示的(34)，申请人表明帕多瓦(Padova)算法比波尔多(Bordeaux)算法和昂热(Angers)算法具有明显更高的用于显著纤维化的诊断准确度。然而，该准确度主要是由于需要的肝活检的高比率。事实上，为了评估算法的临床优势，需要肝活检的比例和在不需要肝活检的患者中正确分类的比例是比整体诊断准确度更合适的表示物。在此方面，昂热算法提供了高诊断准确度(91.9％)和需要肝活检的低比例(20.2％)之间的最佳方案。最终，应该注意到，由于算法而明显被错误分类的患者的一部分事实上是由于作为参考的肝活检(取样错误和观察者变化性)的错误分类的缘故。

在为了实施本发明而进行工作中，波尔多算法和昂热算法的显著纤维化或硬化的诊断准确性类似于先前公开的准确性(16，34，35)。因此，申请人在此提供了在算法方面是先前参考的这些算法的独立外部有效性。有趣地是，这些算法的准确性在慢性病毒肝炎患者和CLD的其他病因的患者之间仅略有不同，除了利用昂热C-算法的硬化。由于波尔多和帕多瓦算法在慢性病毒型丙肝中是复杂的，本发明认为这些按序算法也可扩展到CLD的其他病因。

因此，本发明的方法显著地提升了用于显著纤维化的检测的诊断准确度，并通过用于显著纤维化和硬化的预测值增加了个体诊断的可靠性。组合解决了非侵入性检测结果之间的不一致性并降低了肝活检(LB)的不一致结果。当显著纤维化或硬化是唯一的二进制诊断目标时，该组合还降低了在显著纤维化或硬化的传统诊断中的LB需求。此外，可靠个体诊断的新方法压制或在很大程度上削减了任何LB需求，其中，可靠个体诊断的新方法将中间诊断目标添加到先前的二进制诊断目标。最终，包括有同步血液检测评分+成像数据组合的简单按序算法提供了高诊断准确度，同时降低了LB需求，对于硬化诊断来说，LB需求显著地小于10％。

根据本发明的实施方式，本发明的方法也可包括(在另一步骤中)：在基于诊断可靠区间的算法中组合SF-指数和C-指数(例如参见实施例1的表5)。

结合下述实施例，将更好地理解本发明，其中，参考附图来阅读实施例。

附图说明

结合实施例2阅读图1-4。结合实施例1阅读图5。

图1：FibroMeter的显著纤维化、肝硬度评估(LSE)及其同步组合(SF-指数)的错误分类率(％)作为Metavir纤维化阶段函数。根据最高约登指数(Youden index)，用于显著纤维化的诊断分界值为：FibroMeter：0.538，LSE：6.9千帕，和SF-指数：0.753。

图2：用于显著纤维化(昂热SF-算法，图2a)或硬化(昂热C-算法，图2b)的诊断的按序算法。最初使用组合了FibroMeter和LSE的特定评分(用于显著纤维化的SF-指数或用于硬化的C-指数)，接着在不确定诊断的情况下需要肝活检。

图3：用于显著纤维化(图3a)或硬化(图3b)的可靠诊断区间：根据肝活检，Y轴上的Metavir纤维化(F)阶段的比例作为区间的函数，区间由X轴上的SF-指数(3a)或C-指数(3b)的90％负预测值(NPV)和正预测值(PPV)的阈值确定。包括在可靠诊断区间的患者的比率(％)在X轴上的括号内标明。

图4：用于硬化(昂热C-算法)的实用算法。第一步计算组合FibroMeter和Fibroscan值(C-指数)的评分。根据本研究，在第一非侵入性步骤中，在70.4％的患者中排除了硬化，在20.2％的患者中确认了硬化。仅在9.4％的患者中需要进行第二步肝活检。

图5：F≥2-指数、F≥3-指数、F4-指数的可靠诊断区间。图1a：Metavir纤维化阶段(F)的比例，其根据统计的诊断分界值(0.500)和用于具有F≥2-指数的显著纤维化的90％负预测值和正预测值的阈值。图1b：Metavir纤维化阶段(F)的比例，其根据统计的诊断分界值(0.500)和用于具有F≥3-指数的严重纤维化的90％负预测值和正预测值的阈值。图1c：Metavir纤维化阶段(F)的比例，其根据用于具有F4-指数的硬化的95％预测值的阈值。

具体实施方式

当适当的时候，可结合附图阅读下文的实施例，这些实施例不应该当被认为以任何方式限制本发明的范围。

实施例1

血液纤维化检测和由超声显像弹性测定法(如Fibroscan^TM)测定的肝硬度与纤维化的组织学阶段良好地相关。在本文中，我们致力于通过创新地结合血液检测和Fibroscan来改进肝纤维化阶段的非侵入性诊断。

方法：三个医疗中心的患有慢性丙型肝炎的349位患者参与了该研究。对每位患者而言，进行了肝活检和下述纤维化检测：Fibroscan(FS)、Fibrotest、FibroMeter(FM，对于显著纤维化或硬化)、Hepascore、Fib4和APRI。用于肝纤维化的参考是Metavir F分级。独立地与显著纤维化(F≥2)或硬化(F4)相关的纤维化检测由步进二进制逻辑回归确定，其在349位患者的1000个自助样本(bootstrap sample)上重复。

结果：诊断目标的患病率为：显著纤维化：67.9％，硬化：11.8％。1000个自助样本上的多变量分析表明FM和FS与显著纤维化或硬化最频繁相关。因此，我们实施2个新评分，其通过使用二进制逻辑回归组合FS和FM：F2-评分用于显著纤维化的诊断，F4-评分用于硬化。F2-评分提供显著纤维化的可靠诊断，在55.6％的患者中，其预测值为≥90％。F4-评分提供硬化的可靠诊断，在89.1％的患者中，其预测值为≥95％。组合F2-评分和F4-评分的算法(作为其最高诊断准确度的区间的函数)产生新的诊断分类(患者的百分比)：F0/1(9.5％)、F1/2(17.2％)、F2±1(27.2％)、F2/3(33.2％)、F3±1(10.9％)和F4(2.0％)。根据肝活检结果，该新的分类具有88.0％的诊断准确度，好过FM(67.6％，p＜10^-3)、FS(55.3％，p＜10^-3)和Fibrotest(33.2％，p＜10^-3)分类。此外，新分类的诊断准确度不会明显地在三个中心(92.9％、85.7％和86.3％，p＝0.20)有所不同，或在活检＜或≥25mm的患者(分别为：87.2％对88.5％，p＝0.72)之间有所不同。

结论：通过组合FibroMeter和Fibroscan改进了患有慢性丙型肝炎的患者的肝纤维化的非侵入性诊断。使用源于检测组合的两个评分的新分类比单个纤维化检测更为精确，并为100％的患者提供了非侵入性诊断方法，该方法在不需要肝活检的情况下具有88％准确度。

患者

该探索组包括349名患者。Fibrostar研究中的512名患者中的132名已经包含在该探索组中。因此，我们从有效组中移去了这些患者，有效组最终包括380名患者。探索组和有效组的规格参数在实施例1的表1中详细示出。在这两组中，93.5％的肝活检被认为是可靠的。

新分类的实施(探索组)

组合了血液纤维化检测和LSE的新评分

显著纤维化-通常由步进二进制逻辑回归最频繁选择的纤维化检测是LSE和FibroMeter(实施例1的表2)，步进二进制逻辑回归在用于诊断显著纤维化的1000个自助样本中重复。F≥2-指数通过包括作为二进制逻辑回归的自变量的这两种纤维化检测来实施，二进制逻辑回归在整个探索组中的所有患者中执行。F≥2-指数的回归评分(具体用于诊断显著纤维化)为：3.9066FibroMeter+0.1870LSE结果-2.8345。F≥2-指数具有比FibroMeter和LSE明显高的AUROC(实施例1的表3)。

严重纤维化-通常由1000个自助多变量分析最频繁选择的纤维化检测是LSE和FibroMeter(实施例1的表2)。F≥3-指数的回归评分包括这两种纤维化检测并具体用于诊断严重纤维化，其为：3.3135FibroMeter+0.1377LSE结果-4.2485。F≥3-指数具有比FM和LSE高的AUROC，但仅与FibroMeter相比时，差别才明显(实施例1的表3)。

硬化-通常由1000个自助多变量分析最频繁选择的纤维化检测也是LSE和FibroMeter(实施例1的表2)。F4-指数的回归评分包括这两种纤维化检测并具体用于诊断硬化，其为：3.6128FibroMeter+0.1484LSE结果-6.4999。F4-指数具有比FM和LSE高的AUROC，但仅与FibroMeter相比时，差别才明显(实施例1的表3)。

可靠诊断区间

显著纤维化-F≥2-指数在≥90％负预测值(NVP)区间内包括32名患者(9.2％)且在≥90％正预测值(PPV)区间内包括161名患者(46.1％)(实施例1的表4)。因此，F≥2-指数在55.3％的患者中允许显著纤维化的可靠诊断(准确度≥90％)，利用LSE(p＜10^-3)时，适用于33.8％的患者，利用FibroMeter(p＝1.00)时，适用于55.6％的患者。在F≥2-指数值＞0.248且＜0.784之间的不确定区间根据0.500的统计分界值分为两个新的区间。根据肝活检结果，包括在低区间(＞0.248-＜0.500)的90.2％的患者具有F1/2级，包括在高区间(≥0.500-＜0.784)的96.8％的患者具有F1/2/3级(图1a)。最终，F≥2-指数提供4个IRD：F0/1、F1/2、F2±1和F≥2。通过使用这些区间，92.0％的患者可在不进行任何肝活检的情况下被较好地分类(图1a)。FibroMeter提供较好地分类90.3％的患者(p＝0.263对F≥2-指数)的相同4个IRD。

严重纤维化-F≥3-指数在用于严重纤维化的≥90％预测值区间包括174名患者(49.9％)(实施例1的表4)，而利用FibroMeter(p＜10^-3)时，包括41.8％的患者，利用LSE(p＝0.235)时包括46.4％的患者。通过根据0.500的统计分界值将F≥3-指数的不确定区间分割，F≥3-指数提供4个IRD(F≤2、F2±1、F≥2、F≥3；图1b)，其在不进行任何肝活检的情况下较好地将91.7％的患者分类。通过使用对应于最高约登指数(9.2kPa)的分界值分割其不确定区间，LSE提供了较好地分类91.1％的患者(p＝0.860对F≥3-指数)的相同的4个IRD。

硬化-F4-指数在用于硬化的≥95％预测值区间包括313名患者(89.7％)(实施例1的表4)，而利用FibroMeter(p＜10^-3)时，包括65.9％的患者，利用LSE(p＝0.096)时包括87.4％的患者。根据0.500的分界值分割不确定区间不允许区别两个不同的组。最终，F4-指数提供将95.1％的患者良好分类的3个IRD(F≤3、F≥2和F4)(图1c)。

新分类

第一分类(A分类)源自与其IRD一起使用的F≥2-指数和F≥3-指数(实施例1的表5)。A分类包括6类：F0/1、F1/2、F2±1、F2/3、F≥2和F≥3。其在探索组中提供86.2％的诊断准确度。

第二分类(B分类)源自F≥2-指数和F4指数的IRD(实施例1的表5)。B分类包括6类(F0/1、F1/2、F2±1、F2/3、F≥2、F4)并提供88.3％的诊断准确度(p＝0.143，与A分类相比)。

第三分类(C分类)源自FibroMeter的用于显著纤维化IRD以及LSE的用于严重纤维化的IRD(实施例1的表5)。FibroMeter和LSE RDI的结果在两个患者之间不一致，因此形成不确定诊断(实施例1的表5)。C分类最终包括8类(F0/1、F1、F1/2、F2、F2±1、F2/3、F≥2、F≥3)并提供84.0％的诊断准确度(p＝0.229，与A分类相比)。

分类的有效(有效组)

纤维化检测分类的诊断准确度-由新分类A和B良好分类的患者的比率在有效组中并不会有明显的差别(分别为：84.2％对82.4％，p＝0.149)，但明显比FibroMeter、LSE和Fibrotest的比率高(实施例1的表6)。一名患者具有C分类的不确定诊断，其提供了70.3％的诊断准确度。在已经公开的分类中，FibroMeter提供了最高的诊断准确度(69.7％，p＜0,029对LSE和Fibrotest)，Fibrotest的准确度较低(p＜10^-3，与其他相比)。最终，根据有效组的诊断准确度，分类排序如下：A，B＞C＞FibroMeter＞LSE＞Fibrotest(实施例1的表6)。

影响因素-在整个研究对象中，我们进行了步进二进制逻辑回归，包括作为自变量的年龄、性别、活检长度、Metavir F和IQR/中值。分类A的错误分类仅独立地与IQR/中值的比率相关。在有效组中，分类A在患者的IQR/中值＜0.21时提供88.2％的诊断准确度，而在患者的IQR/中值≥0.21(p＝0,010)时提供70.1％的诊断准确度。在IQR/中值＜0.21的患者的子组中，与分类B(85.5％)相比，分类A具有最高的诊断准确度p＝0.007，与其他相比，准确度p＜10^-3。

在临床实践中抗病毒治疗的管理-当FibroMeter分类为≥F2/3，LSE：≥F2，Fibrotest：≥F2，分类A和B：≥F2±1且分类C：≥F2时，考虑抗病毒治疗。通过使用分类A，有效组中12.1％的患者被考虑抗病毒治疗，而他们在肝活检中不具有或具有轻微的纤维化(实施例1的表7)。另一方面，9.7％的患者不进行治疗，而他们在肝活检中具有显著的纤维化。最终，分类A提供患者的受到抗病毒治疗良好管理的最高比例。(78.2％，p＜0,040，相比于其他分类)。

实施例1的表1：包含的患者规格参数

LSE：肝硬度评估；kPa：千帕；IQR：四分位差

实施例1的表2：在自助步进二进制逻辑回归中的候选预测者的选择，作为诊断目标的函数

在探索组的349个主体的1000个自助样本上进行步进二进制逻辑回归。该表描述了任何纤维化检测在1000个多变量分析中被选择的次数。对于每个诊断目标而言，LSE和FibroMeter是最多被选择的变量。

表3：FibroMeter，LSE和其同步组合的作为诊断目标和病人组的函数的AUROC

实施例1的表4：包括在可靠诊断区间的患者比例，可靠诊断区间由用于显著纤维化(Metavir F≥2)的≥90％负预测值(NPV)和正预测值(PPV)以及用于硬化(Metavir F＝4)的≥95％预测值确定，作为患者组和纤维化检测的函数。

NPV≥90％和PPV≥90％的分界值在探索组中计算并在有效组和全部患者中检测。

显著纤维化。NPV≥90％的分界值：FibroMeter：≤0.110，Fibroscan：≤3.2，F≥2-指数：≤0.248；PPV≥90％的分界值：FibroMeter：≥0.608，Fibroscan：≥9.2，F≥2-指数：≥0.784。

严重纤维化。NPV≥90％的分界值：FibroMeter：≤0.554，Fibroscan：≤6.8，F≥3-指数：≤0.220；PPV≥90％的分界值：Fibroscan：≥32.3，F≥3-指数：≥0.870。

硬化。NPV≥95％的分界值：FibroMeter：≤0.757，Fibroscan：≤14.5，F4-指数：≤0.244；PPV≥90％的分界值：Fibroscan：≥34.1，F4-指数：≥0.817；PPV≥95％的分界值：Fibroscan：≥35.6，F4-指数：≥0.896。

^aSF-指数用于显著纤维化，X-指数用于严重纤维化，C-指数用于硬化。

实施例1的表5：用于纤维化的非侵入性诊断的三个新分类的实施，其源自严重纤维化检测的可靠诊断区间的解释(F≥2-指数和F≥3指数，F≥3-指数和F≥4指数，FibroMeter和Fibroscan)。新分类以斜体表示(括号内：根据肝活检结果的新分类的每类中被良好分类的患者的比率)。灰区对应于不一致的结果。

实施例1的表6：作为患者组的函数的若干纤维化检测分类的诊断准确度(被良好分类的患者的百分比)

^a6类(de Ledinghen，GCB 2008)；^b4类(Ziol 2005)，^c4类(Stebbing 2009+≥9，6kPa pour F≥3)，^d3类(Stebbing 2009)

实施例1的表7：根据纤维化检测分类的结果的抗病毒治疗的患者的管理(有效患者中的患者比例，％)。

^a用于抗病毒治疗的指示：A分类和B分类：≥F2±1；C分类：≥F2；FibroMeter：≥F2/3；Fibroscan VDL：≥F2；Fibroscan Ziol和Stebbing 4类：≥F2；Fibroscan Stebbing 3c1：≥F2/3；Fibrotest：≥F2。

实施例2

患者

在昂热和波尔多大学医院(法国)因经皮肝活检住院的患有慢性肝病(CLD)的390名患者参与了此次实验。194名患者在昂热实验点，时间为2004年4月至2007年6月(A组，探索组)，196名患者在波尔多实验点，时间为2003年9月至2007年4月(B组，有效组)。具有如下硬化并发症的患者被排除在外：腹水、食管静脉曲张破裂出血、全身性感染和肝癌。通过血液纤维化检测和LSE的肝纤维化非侵入性评定在肝活检之前的一周内进行。

方法

组织学肝纤维化评定

使用1.4-1.6mm直径针的Menghini技术进行经皮肝活检。在每个实验点，肝活检由肝病领域的资深病理学家根据Metavir分级(在昂热，具有一致的解读)评估。显著纤维化被定义为Metavir级F≥2。当活检长度为≥15mm和/或肝门束数量≥8(17)时，肝纤维化评估被认为是可靠的。

纤维化血液检测

根据公开的公式或专利，计算了下述血液检测：APRI、FIB-4、Fibrotest、Hepascore和FibroMeter(FM)。病因特异性公式用于FibroMeter(9，18，19)。所有的血液化验都在每一实验点的相同实验室里进行。对这些检测(20)来说，实验室间再现性是优异的。

肝硬度评估

LSE(

EchoSensTM，法国巴黎)由富有经验的观察者(＞50LSE，在研究之前)执行，其不考虑患者数据。LSE状况是在其他文献中(21，22)详述的制造商推荐的状况。当记录了10次有效测量值之后，停止LSE。LSE结果以kPa为单位并对应于在LSE中完成的所有有效测量值的中值。四分位差(kPa)如先前所述地(21)定义。

统计分析

除非另有指定，定量变量为平均值±标准偏差。当需要时，根据最高约登指数(灵敏度+特异度-1)计算纤维化检测的诊断分界值。这种技术允许利用通过选择使用的诊断分界值而达成的高灵敏度和高特异之间的平衡使诊断准确度最大化。此处，诊断分界值是将患者区分为具有或不具有诊断目标(显著纤维化或硬化)的血液检测或LSE的值。

纤维化检测的准确度-纤维化检测的效能主要表示为接收者操作特征曲线之下的区域(AUROC)。通过传统的负预测值(NPV)和正预测值(PPV)，或通过最近描述的可靠诊断区间的方法(18)(参见附页以获得准确定义)，来确定可靠个体诊断。通过Delong检测(23)来比较AUROC。

纤维化检测的同步组合-血液检测和LSE的组合在3个群组中被研究：A组、B组和A+B组。在每个群组中，我们将在肝活检中确定的显著纤维化作为因变量、将血液纤维化检测和LSE结果作为自变量进行向前二进制逻辑回归。然后，通过利用由多变量分析提供的回归评分，我们实施新的纤维化检测，以诊断显著纤维化。同一方法也用于诊断硬化。

样本大小-确定样本大小以在探索群组中的FM和同步组合之间展现诊断显著纤维化的明显区别。当α风险：0.05，β风险：0.20，显著纤维化的患病率：0.70，AUROC相关性：0.70并且进行双边检测时，并做出如下AUROC假设时，样本大小为159名患者：FM为0.84，同步组合为0.90。用于统计分析的软件程序是适用于Windows的SPSS，版本为11.5.1(SPSS公司，美国伊利诺伊州芝加哥)和SAS 9.1(SAS研究公司，美国北卡罗莱纳州卡里)。

结果

患者

390名患者的规格参数总结在实施例2的表1中。患者平均年龄为52.4岁，67.9％为男性，74.4％具有显著纤维化。89.5％的患者具有被视为可靠的肝活检。肝硬度评估在12名患者身上失败(总失败率：3.1％)。在所含的390名患者中，332名患者可进行所有的5种血液检测和LSE。

实施例2的表1：包含的患者规格参数

IQR：四分位差(千帕)

^a通过A组和B组之间的t-检测或χ²

显著纤维化的诊断

血液检测和LSE的准确度(实施例2的表2)

LSE AUROC明显比用于诊断显著纤维化的Hepascore、FIB-4和APRI的AUROC高，且并不与FibroMeter和Fibrotest AUROC有明显不同。

实施例2的表2：在可进行所有5种血液检测和LSE的332名患者中，血液检测和肝硬度评估(LSE)的AUROC作为诊断目标的函数

^a通过Delong检测

同步组合

非侵入性检测的组合(实施例2的表3)-在检测的三个群组中的每一个中，由肝活检定义的显著纤维化首先通过FibroMeter再通过肝硬度评估来独立地诊断。由A组(探索组)中进行的二进制逻辑回归提供的回归评分为：3.6224.FM+0.4408.LSE结果-3.9850。该评分用于实施FibroMeter和肝硬度评估的诊断同步组合，其被称为显著纤维化-指数(SF-指数)。这种新的纤维化检测随后在有效组中被评估：B组(波尔多中心)和合并的组A+B。

实施例2的表3：与肝活检定义的显著纤维化或硬化独立相关的纤维化检测，作为患者组(A：昂热，B：波尔多)的函数

LSE：肝硬度评估；

^a以递增的步骤与显著纤维化或硬化独立相关的变量(第一步是最精确的变量)

^b第二步的累积的诊断准确度

SF-指数的效能(实施例2的表4)-SF-指数AUROC在A组和B组之间没有明显不同。SF-指数AUROC明显比整个群组中的FibroMeter(FM)或肝硬度评估(LSE)的AUROC高。图1示出了SF-指数具有更好的效能曲线：其错误分类率明显低于Metavir F≤1级中的LSE和Metavir F≥2级中的FM。

实施例2的表4：同步组合(FM+LSE指数)的AUROC。与FibroMeter(FM)和肝硬度评估(LSE)的AUROC的对比，作为诊断目标和患者组(A：昂热，B：波尔多)的函数。

^a用于显著纤维化的SF-指数，用于硬化的C-指数

^b通过Delong检测

如实施例2的表4所示，SF-指数继承有最低错误分类率，最低错误率由每个纤维化级中的每个单独检测提供：F0/1级中的血液检测和F≥2级中的LSE(同样参见图1)。

LSE和FM之间的不一致性-根据最高约登指数确定的诊断分界值计算用于诊断目标的纤维化检测之间的不一致性。279名患者(73.0％)中的FM和LSE是一致的，其中，88.9％的患者根据肝活检(F≤1：77.0％，F≥2：94.3％)被正确分类。剩余的103名患者(27.0％)中的FM和LSE是不一致的，其中，68名患者(66.0％)通过SF-指数根据肝活检结果被正确分类(实施例2的表5)。最终，SF-指数将316名患者(82.7％)正确分类，并在33名患者(8.6％)中改进了正确分类(即，通过SF-指数解决了FM和LSE之间的不一致性)。

此外，SF-指数解决了血液检测和LSE之间的66％的不一致情况(实施例2的表5)。

实施例2的表5：不一致性。FM+LSE指数在整个群组中对用于诊断显著纤维化或硬化的FibroMeter(FM)和肝硬度评估(LSE)之间的不一致性的影响。

^a根据最高约登指数，用于显著纤维化或硬化的各自的诊断分界值：FM：0.538和0.873；LSE：6.9和13.0千帕；FM+LSE指数：0.753(SF-指数)和0.216(C-指数)

^b利用用于显著纤维化的SF-指数或用于硬化的C-指数的分类，其根据肝活检被表达为正确或不正确

^c基于肝活检的两个检测的分类。“不一致”意味着一个检测正确，而另一个检测不正确。

^d有利的(68)-不利的(35)效果＝改进(33)

^e有利(54)-不利的(25)效果＝改进(29)

可靠的分类100％的患者的方法

新的按序算法-SF-指数在传统的≥90％预测值区间中(参见附页以获得准确定义)具有比FM或LSE明显更多的患者，尤其是在≤90％NPV区间中(实施例2的表6)。通过在81.7％的患者中使用具有≥90％预测值的SF-指数，并在剩余的18.3％的患者上进行所需的肝活检，在91.9％的患者中得到了基于肝活检的显著纤维化的正确诊断(实施例2的表6)。这种两步按序算法被称为昂热SF-算法(图2)。

SF-指数的可靠诊断区间-利用这种最近描述的方法(18)，在90％预测值的先前区间之间的区间，通过改变诊断目标，准确度≥90％。有利的是为所有患者提供可靠诊断。在由SF-指数的≥90％预测值确定的不确定区间中，根据肝活检，Metavir纤维化级的比例是：F0：20.0％，F1：40.0％和F2：32.9％(图3a)。因此，有可能获得可靠诊断的三个区间：≤90％NPV区间的F0/1、中间区间中的F1±1(正确分类：92.9％)和≥90％PPV区间中的F≥2(F3±1)。最终，这种新的分类在0％的肝活检的情况下将90.6％患者正确分类。

算法的比较(实施例2的表7)-我们比较了昂热SF-算法和先前在波尔多(24)和帕多瓦(16)公布的算法。检测的群组是332名患者，其可进行Fibrotest、FibroMeter、APRI和LSE。与其他算法相比，帕多瓦算法具有明显较高的准确度(95.2％)，这是由于需要的LB的比例明显较高。与其他算法相比，昂热算法具有明显较低的需要肝活检的比例。因此，昂热SF-算法是高正确分类和低肝活检需要之间的最好折衷方案，这由低很多的肝活检/准确率反映。

硬化的诊断

血液检测和LSE的准确性(实施例2的表2)

LSE比用于诊断硬化的血液检测具有明显更高的AUROC。

同步组合

非侵入性检测的组合(实施例2的表3)-用于诊断硬化的最准确的纤维化检测组合是LSE+FM。在A组(探索组)中进行的二进制逻辑回归所提供的回归评分为：0.1162.LSE结果+1.9714.FM-4.6616。该评分用于实施LSE和FM的诊断同步组合，其被称为硬化-指数(C-指数)。随后在有效组中评估该新的纤维化检测：B组(波尔多中心)和合并的组A+B。

C-指数的效能(实施例2的表4)-C-指数AUROC不在A组和B组之间有明显不同。在检测的每个组中，C-指数比FM具有明显较高的AUROC，但与LSE AUROC的差别不甚明显。

LSE和FM之间的不一致性-在303名患者(79.3％)中，FM和LSE是不一致的，其中，90.8％的患者根据肝活检被正确分类(F≤3：94.7％，F4：82.1％)。FM和LSE在余下的79名患者(20.7％)中是不一致的，其中，54名患者(68.4％)由C-指数根据肝活检结果被正确分类(实施例2的表5)。最终，C-指数将329名患者(86.1％)正确分类，并在29名患者(7.6％)中改进了正确分类(即，通过C-指数解决了FM和LSE之间的不一致性)。

可靠地分类100％的患者的方法

新的按序算法(实施例2的表6)-C指数在传统的≥90％预测值区间中具有比FM或LSE明显更多的患者。通过在90.6％的患者中使用具有≥90％预测值的C-指数并在余下的9.4％的患者中进行所需的肝活检，在91.1％的患者中得到了基于肝活检的硬化的正确诊断(实施例2的表6)。这种两步按序算法被称为昂热C-算法(图4)。

C-指数的可靠诊断区间-在由C-指数的≥90％预测值确定的不确定区间中，根据肝活检，Metavir纤维化级的比例为：F2：11.1％，F3：22.2％和F4：58.3％(图3b)。因此，有可能获得可靠诊断的三个区间：≤90％NPV区间的没有硬化(F≤3)，中间区间中的F≥2(F3±1)(正确分类：91.6％)，和≥90％PPV区间中的硬化(F4)。最终，这种新的分类方法在0％肝活检的情况下将90.3％患者正确分类。

实施例2的表6：新的按序算法。由在整个群组中用于诊断显著纤维化或硬化的≥90％预测值的区间中的纤维化检测包括或正确分类的患者的比率，作为纤维化检测的函数。

^a诊断仍然不确定的患者的比例(NPV和PPV＜90％)，因此需要肝活检。通过McNemar检测比较患者比率。显著纤维化：LSE对FibroMeter：p＝0.006，SF-指数对FibroMeter或LSE：p＜10^-3；硬化：FibroMeter对C-指数或LSE：p＜10^-3，C-指数对LSE：p＝0.02

^b在整个群组中，被≥90％(负和正)预测值的区间正确分类的患者的比率。通过McNemar检测比较患者比率。显著纤维化：LSE对FibroMeter：p＝0.005，SF-指数对FibroMeter或LSE：p＜10^-3；硬化：FibroMeter对C-指数或LSE：p＜10^-3，C-指数对LSE：p＝0.007。

^c由两步程序定义算法：纤维化检测首先与≥90％预测值的区间一起使用，然后包括在不确定诊断区间中的患者需要进行肝活检。因此，算法准确度被计算为由整个群组中的纤维化检测正确分类的患者(第4结果栏)和肝活检需求(第2结果栏，其准确度定义为100％)之和。通过McNemar检测在用于诊断硬化的FibroMeter和C-指数之间进行比率的比较：p＝0.04，其他：p：NS。

按序算法的比较(实施例2的表7)：与其他算法相比，波尔多算法具有用于硬化的明显更高的准确度。然而，昂热C-算法与其他算法相比具有明显低的需要肝活检的比例。因此，对于显著纤维化，昂热C-算法是高正确分类和低肝活检需要之间的最好折衷方案，这由低很多的肝活检/准确率反映。

实施例2的表7：用于诊断显著纤维化或硬化的昂热按序算法(本研究)、波尔多(26)算法和帕多瓦(16)算法之间的准确度和肝活检(LB)需要的比较。检测的群组为可一起进行FibroMeter、Fibrotest、APRI和LSE的332名患者。灰区表示最重要的结果。

^a包括在不需要肝活检的患者中的血液检测的准确度(％)，这些患者的比例可从下栏中推出。成对比较是不可能的。

^b算法需要的肝活检的比例(％)。利用McNemar检测的比率的比较。显著纤维化：昂热对波尔多：p＝0.02，帕多瓦对昂热或波尔多：p＜10^-3；硬化：昂热对波尔多或帕多瓦：p＜10^-3；波尔多对帕多瓦：p＝0.129。

^c利用McNemar检测的患者比例的比较。显著纤维化：帕多瓦对昂热：p＝0.02，或波尔多：p＝0.007；昂热对波尔多：p＝0.50；硬化：波尔多对昂热：p＝0.04，或帕多瓦：p＜10^-3；昂热对帕多瓦：p＝0.007

^d比例：需要肝活检(第二结果栏)/血液检测准确度(第一结果栏)之间的比例。

参考文献

1.Oberti F，Valsesia E，Pilette C，Rousselet MC，Bedossa P，Aube C等人，Noninvasive diagnosis of hepatic fibrosis or cirrhosis.Gastroenterology 1997；113：1609-1616.

2.Croquet V，Vuillemin E，Ternisien C，Pilette C，Oberti F，Gallois Y等人，Prothrombin index is an indirect marker of severe liver fibrosis.Eur J GastroenterolHepatol 2002；14：1133-1141.

3.Afdhal NH，Nunes D.Evaluation of liver fibrosis：a concise review.Am JGastroenterol 2004；99：1160-1174.

4.Sebastiani G，Alberti A.Non invasive fibrosis biomarkers reduce but notsubstitute the need for liver biopsy.World J Gastroenterol 2006；12：3682-3694.

5.Wai CT，Greenson JK，Fontana RJ，Kalbfleisch JD，Marrero JA，Conjeevaram HS等人，A simple noninvasive index can predict both significantfibrosis and cirrhosis in patients with chronic hepatitis C.Hepatology 2003；38：518-526.

6.Sterling RK，Lissen E，Clumeck N，Sola R，Correa MC，Montaner J等人，Development of a simple noninvasive index to predict significant fibrosis in patientswith HIV/HCV coinfection.Hepatology 2006；43：1317-1325.

7.Imbert-Bismut F，Ratziu V，Pieroni L，Charlotte F，Benhamou Y，Poynard T.Biochemical markers of liver fibrosis in patients with hepatitis C virus infection：aprospective study.Lancet 2001；357：1069-1075.

8.Rosenberg WM，Voelker M，Thiel R，Becka M，Burt A，Schuppan D等人，Serum markers detect the presence of liver fibrosis：a cohort study.Gastroenterology2004；127：1704-1713.

9.Cales P，Oberti F，Michalak S，Hubert-Fouchard I，Rousselet MC，Konate A等人，A novel panel of blood markers to assess the degree of liver fibrosis.Hepatology 2005；42：1373-1381.

10.Patel K，Gordon SC，Jacobson I，Hezode C，Oh E，Smith KM等人，Evaluation of a panel of non-invasive serum markers to differentiate mild frommoderate-to-advanced liver fibrosis in chronic hepatitis C patients.J Hepatol 2004；41：935-942.

11.Adams LA，Bulsara M，Rossi E，DeBoer B，Speers D，George J等人，Hepascore an accurate validated predictor of liver fibrosis in chronic hepatitis Cinfection.Clin Chem 2005；51：1867-1873.

12.Sandrin L，Fourquet B，Hasquenoph JM，Yon S，Fournier C，Mal F等人，Transient elastography：a new noninvasive method for assessment of hepatic fibrosis.Ultrasound Med Biol 2003；29：1705-1713.

13.Bourliere M，Penaranda G，Ouzan D，Renou C，Botta-Fridlund D，Tran A等人，Optimized stepwise combination algorithms of non-invasive liver fibrosis scoresincluding Hepascore in hepatitis C virus patients.Aliment Pharmacol Ther 2008；28：458-467.

14.Bourliere M，Penaranda G，Renou C，Botta-Fridlund D，Tran A，Portal I等人，Validation and comparison of indexes for fibrosis and cirrhosis prediction inchronic hepatitis C patients：proposal for a pragmatic approach classification withoutliver biopsy.J Viral Hepat 2006；13：659-670.

15.Sebastiani G，Vario A，Guido M，Alberti A.Sequential algorithmscombining non-invasive markers and biopsy for the assessment of liver fibrosis inchronic hepatitis B.World J Gastroenterol 2007；13：525-531.

16.Sebastiani G，Vario A，Guido M，Noventa F，Plebani M，Pistis R等人，Stepwise combination algorithms of non-invasive markers to diagnose significantfibrosis in chronic hepatitis C.J Hepatol 2006；44：686-693.

17.Nousbaum JB，Cadranel JF，Bonnemaison G，Bourliere M，Chiche L，ChorH等人，Clinical practice guidelines on the use of liver biopsy.Gastroenterol ClinBiol 2002；26：848-878.

18.Cales P，De Ledinghen V，Halfon P，Bacq Y，Leroy V，Boursier J等人，Evaluating accuracy and increasing the reliable diagnosis rate of blood tests for liverfibrosis in chronic hepatitis C.Liver Int 2008；28：1352-1362.

19.Cales P，Laine F，Boursier J，Deugnier Y，Moal V，Oberti F等人，Comparison of blood tests for liver fibrosis specific or not to NAFLD.J Hepatol2009；50：165-173.

20.Cales P，Veillon P，Konate A，Mathieu E，Ternisien C，Chevailler A等人，Reproducibility of blood tests of liver fibrosis in clinical practice.Clin Biochem2008；41：10-18.

21.Boursier J，Konate A，Gorea G，Reaud S，Quemener E，Oberti F等人，Reproducibility of liver stiffness measurement by ultrasonographic elastometry.ClinGastroenterol Hepatol 2008；6：1263-1269.

22.Boursier J，Konate A，Guilluy M，Gorea G，Sawadogo A，Quemener E等人，Learning curve and interobserver reproducibility evaluation of liver stiffnessmeasurement by transient elastography.Eur J Gastroenterol Hepatol 2008；20：693-701.

23.DeLong ER，DeLong DM，Clarke-Pearson DL.Comparing the areas undertwo or more correlated receiver operating characteristic curves：a nonparametricapproach.Biometrics 1988；44：837-845.

24.Castera L，Vergniol J，Foucher J，Le Bail B，Chanteloup E，Haaser M等人，Prospective comparison of transient elastography，Fibrotest，APRI，and liver biopsyfor the assessment of fibrosis in chronic hepatitis C.Gastroenterology 2005；128：343-350.

25.Lucidarme D，Foucher J，Le Bail B，Vergniol J，Castera L，Duburque C等人，Factors of Accuracy of Transient Elastography(Fibroscan)for the Diagnosis ofLiver Fibrosis in Chronic Hepatitis C.Hepatology 2009；in press.

26.Bossuyt PM，Reitsma JB，Bruns DE，Gatsonis CA，Glasziou PP，Irwig LM等人，The STARD statement for reporting studies of diagnostic accuracy：explanation and elaboration.Clin Chem 2003；49：7-18.

27.Halfon P，Bacq Y，De Muret A，Penaranda G，Bourliere M，Ouzan D等人，Comparison of test performance profile for blood tests of liver fibrosis in chronichepatitis C.J Hepatol 2007；46：395-402.

28.Boursier J，Bacq Y，Halfon P，Leroy V，De Ledinghen V，De Muret A等人，Improved diagnostic accuracy of blood tests for severe fibrosis and cirrhosis inchronic hepatitis C.Eur J Gastroenterol Hepatol 2009；21：28-38.

29.Castera L.Use of elastometry(FibroScan)for the non-invasive staging ofliver fibrosis.Gastroenterol Clin Biol 2007；31：524-530.

30.Fraquelli M，Rigamonti C，Casazza G，Conte D，Donato MF，Ronchi G等人，Reproducibility of transient elastography in the evaluation of liver fibrosis inpatients with chronic liver disease.Gut 2007；56：968-973.

31.Friedrich-Rust M，Ong MF，Martens S，Sarrazin C，Bojunga J，Zeuzem S等人，Performance of transient elastography for the staging of liver fibrosis：ameta-analysis.Gastroenterology 2008；134：960-974.

32.Cales P，Boursier J，Rousselet MC，Michalak S，Oberti F，Gallois Y等人，Comparison of reproducibility of histology，blood tests and Fibroscan for liverfibrosis.Hepatology 2007；46：834A.

33.Cales P，Boursier J，De Ledinghen V，Halfon P，Bacq Y，Leroy V等人，Evaluation and improvement of a reliable diagnosis of cirrhosis by blood tests.Gastroenterol Clin Biol 2008；32：1050-1060.

34.Castera L，Sebastiani G，Le Bail B，De Ledinghen V，Couzigou P，Alberti A.Prospective comparison of two algorithms combining non invasive tests for stagingof liver fibrosis in chronic hepatitis C.Hepatology 2007；46：320A.

35.Sebastiani G，Halfon P，Castera L，Mangia A，Di Marco V，Pirisi M等人，Large-scale multicenter comparison of three algorithms combining serumnon-invasive markers for liver fibrosis in chronic hepatitis C.J Hepatol 2008；48：S282.

36.Poynard T，Halfon P，Castera L，Munteanu M，Imbert-Bismut F，Ratziu V等人，Standardization of ROC curve areas for diagnostic evaluation of liver fibrosismarkers based on prevalences of fibrosis stages.Clin Chem 2007；53：1615-1622.

37.Lambert J，Halfon P，Penaranda G，Bedossa P，Cacoub P，Carrat F.How tomeasure the diagnostic accuracy of noninvasive liver fibrosis indices：the area underthe ROC curve revisited.Clin Chem 2008；54：1372-1378.

38.Obuchowski NA.An ROC-type measure of diagnostic accuracy when thegold standard is continuous-scale.Stat Med 2006；25：481-493.

Claims

1.一种在个体上诊断肝病理的存在和/或肝病理的严重性和/或监测对肝病理的根治性治疗的效果的方法，其产生评分，该方法包括至少一种血液检测和由诊断肝纤维化的物理方法产生的至少一个数据的组合，所述数据选自由医学成像数据和临床测量结果组成的群组，所述组合通过数学函数执行。

2.如权利要求1的方法，包括：

a)从个体的血液样本执行评分，评分选自由APRI、FIB-4、Hepascore、Fibrotest^TM和FibroMeter组成的群组，

c)将评分和由物理方法产生的数据组合在数学函数中，数学函数优选地是二进制逻辑回归，然后产生用于在个体上诊断肝病理的存在和/或肝病理的严重性和/或监测对肝病理的根治性治疗的效果的新评分。

3.如权利要求1或2的方法，其中，医学成像选自：超声成像，尤其是多普勒超声成像、弹性测定超声成像和测速超声成像；IRM；和MNR，尤其是MNR弹性测定或测速。

4.如权利要求1-3中任一项的方法，其中，医学成像测量肝的硬度。

5.如权利要求1-4中任一项的方法，其中，临床测量结果选自由脾脏长度测量结果组成的群组。

6.如权利要求1-5中任一项的方法，其中，肝疾病或状况为显著波多间隔纤维化、严重波多间隔纤维化、小叶中心纤维化、硬化、窦周纤维化；纤维化由于酒精原因或非酒精原因而产生。

7.如权利要求1-6中任一项的方法，其中，其中血液检测是选自由APRI、FIB-4、Hepascore、Fibrotest^TM和FibroMeter组成的群组的评分。

8.如权利要求1-7中任一项的方法，其中，数学函数是逻辑回归，优选地是二进制逻辑回归。

9.如权利要求1-8中任一项的方法，其中，个体是患有慢性丙型肝炎的患者。

10.如权利要求1-9中任一项的方法，其中，利用数学函数的、至少一种血液检测和由诊断肝纤维化的物理方法产生的至少一个数据的组合至少执行两次，并且至少两个结果评分被组合在基于诊断可靠区间的算法中。