CN1985259A - 诊断个体中肝脏病理的存在和/或严重性和/或监控这种病理的治疗有效性的方法 - Google Patents

诊断个体中肝脏病理的存在和/或严重性和/或监控这种病理的治疗有效性的方法 Download PDF

Info

Publication number
CN1985259A
CN1985259A CNA200580023863XA CN200580023863A CN1985259A CN 1985259 A CN1985259 A CN 1985259A CN A200580023863X A CNA200580023863X A CN A200580023863XA CN 200580023863 A CN200580023863 A CN 200580023863A CN 1985259 A CN1985259 A CN 1985259A
Authority
CN
China
Prior art keywords
scoring
prothrombin time
macroglobulin
kinds
hyaluronic acid
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA200580023863XA
Other languages
English (en)
Inventor
保罗·卡乐斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University Angers
Universite dAngers
Centre Hospitalier Universitaire dAngers
Original Assignee
University Angers
Centre Hospitalier Universitaire dAngers
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University Angers, Centre Hospitalier Universitaire dAngers filed Critical University Angers
Publication of CN1985259A publication Critical patent/CN1985259A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/576—Immunoassay; Biospecific binding assay; Materials therefor for hepatitis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
    • G01N33/6893—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids related to diseases not provided for elsewhere
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/08—Hepato-biliairy disorders other than hepatitis
    • G01N2800/085—Liver diseases, e.g. portal hypertension, fibrosis, cirrhosis, bilirubin
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2800/00—Detection or diagnosis of diseases
    • G01N2800/52—Predicting or monitoring the response to treatment, e.g. for selection of therapy based on assay results in personalised medicine; Prognosis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Immunology (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • Chemical & Material Sciences (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medicinal Chemistry (AREA)
  • Medical Informatics (AREA)
  • Food Science & Technology (AREA)
  • Cell Biology (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Biotechnology (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Microbiology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Communicable Diseases (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Medicines Containing Antibodies Or Antigens For Use As Internal Diagnostic Agents (AREA)

Abstract

本发明涉及诊断个体中肝脏病理的存在和/或严重性和/或监控个体中肝脏病理的治疗性处理的有效性的方法，包括建立至少一种非侵入式诊断性评分，特别是用于肝门和/或中隔纤维化的诊断性评分，和/或纤维化面积的评估评分，和/或分形维数的评估评分。

Description

诊断个体中肝脏病理的存在和/或严重性和/或监控这种病理的治疗有效性的方法
本发明涉及肝脏病学中的诊断领域，具体地涉及评估肝脏的肝纤维化的存在和/或其严重性的方法，或者评估纤维化面积的方法，或者评估肝脏结构的方法(纤维化评分(fibrosis score)和分形维数(fractaldimension))。
出于本发明的目的，术语“评估纤维化的存在”指研究通过本发明的方法检测患者中是否存在纤维化的问题；术语“评估严重性”指寻求对纤维化程度的检测，这必须与作为肝脏功能缺乏的肝脏损伤的严重性区别开。术语“评估纤维化面积”指寻求对纤维化导致的肝脏损害程度的检测。须明确说明的是，肝脏的功能缺乏依赖于肝脏的解剖学损害，但这并不是线性关系。
慢性肝脏疾病的严重程度依赖于纤维化，其是继发于炎症的伤痕。形成纤维的肝脏疾病的原因主要是B病毒和C病毒的感染、酒精和脂肪变性(脂肪肝)。
直到目前，评估纤维化仍是基于肝脏穿刺活检(LNB)。根据LNB，通过半定量的纤维化评分对肝脏纤维化进行分类。基于对类似损害的观察，存在多种分类。对这些损害的描述主要是根据肝脏的基本单元(在功能和解剖学水平上)(即：肝“叶”)的结构的紊乱(或变形)而定性的。纤维化开始于“肝门”区域中肝叶的外围(F1阶段)，以致在肝叶内延伸(纤维化的受限带或F2阶段)，接着将其分割(纤维化的延伸带或F3阶段)，以致成为集中的并分离肝细胞(F4阶段或硬化)。上面所述的Métavir分类(Bedossa等人，1994，Hepatology，vol.20，第15-20页)是最常用的之一。其将肝纤维化分为F0至F4的5个阶段，其中F4阶段对应于最终的硬化阶段。当在F≥2阶段时，纤维化被称作临床上显著的。该纤维化评分F被全世界所有的肝脏专家所使用(根据不同的分类)。它是用于确定肝脏疾病严重程度、其发展潜力和治疗征兆的最重要的参数。其在能够开出治疗处方或者在治疗疾病中起决定性辅助作用。由于以下三个原因，这种F-评分分类是半定量的：a)对损害的描述是完全定性的，由此是由作为解剖学病理学家的医师评估；b)该评分只能够提供有限和受限的阶段数值(4至6，不计算纤维化的消失)；c)作为阶段的函数，纤维化量的进展不是线性的。根据肝叶内纤维化的延伸，定量方面是由于级别的顺序特征。
存在用于检测纤维化的完全定量的方法：它是通过称作图像分析的半自动技术检测纤维化的面积(或表面)。纤维化的面积，其与被认为作为参照的纤维化血液标志物比较，已经被发现是比Métavir评分更可靠的检测(Pilette等人，1998，J Hepatol，vol.28，第439-46页)。
然而，LNB是昂贵和侵入式检测，因此其容易复杂化，并需要至少一天的住院治疗。目前LNB的约束(成本，需要住院治疗的侵入式程序)限制了其应用。求助于这种诊断方法仍是肝脏最专用的。结果，目前治疗的医学处理涉及通常处于该疾病的相对晚期的患者(硬化，通常是并发的)，所以治疗可能性更小。
一些研究清楚地证明LNB是筛选和进行治疗的主要限制性因素。开发LNB的替代方案(本发明的目标)是2002年美法共识会谈的研究建议的一部分。
包括直至最近的硬化阶段(recent cirrhosis stage)的肝脏纤维化是可以回复的状况。对纤维化的早期筛选使其可以提出用于治疗该疾病或者至少用于限制其结果的步骤。
LNB的替代方案是非侵入式的方法，居首的是纤维化的血液标志物。术语“纤维化的血液标志物”事实上有两层含义。对于生物学家，其涉及反映纤维化的动态过程之一的标志物：纤维发生(产生纤维化)、纤维分解(纤维化的破坏)。对于临床医生，其涉及解剖-病理学检查时观察到的纤维化程度的标志物，即：来自以上两个动态过程的静态图像。另外，临床医生将这些指示物区分为直接标志物和间接标志物，如果它们来自参与细胞外基质(纤维化)的分子之一则为直接标志物，间接标志物反映该可见纤维化，但不是整合部分。
以公开号WO 02/16949公开的国际专利申请描述了诊断炎症、纤维化疾病或癌症疾病的方法，其中检测了患者血清或血浆中生化标志物的值，通过逻辑函数将所述数值进行结合，对所述逻辑函数的最终数值进行分析以确定肝脏中纤维化的存在或者坏死-炎症的存在。该国际专利申请使其可能提出纤维化测试。然而，所使用的标志物是传统的生物化学标志物(间接标志物)，其不是纤维化的特异性指示物，并且随肝脏疾病过程中所存在的其它紊乱而变化。特别是，由Biopredictive公司销售的被称作Fibrotest的对应于专利WO 02/16949的方法(还可见Imbert-Bismut等人，Lancet2001，Vol.37，第1069-1075页)的测试，具有难以正确分类具有F0和F4阶段病毒性肝炎形式的缺点。
另外，以WO 03/073822公开的国际专利申请涉及用于诊断患者中肝脏纤维化的存在以及严重性的方法。该方法基于检测三种标志物即：α-2-巨球蛋白、透明质酸和金属蛋白酶-1组织抑制剂。
本发明的目的是提出用于确定纤维化的F阶段的新手段，特别是评分F≥2的阶段，以精确定量该纤维化的确切程度，以诊断肝脏疾病的存在和/或严重性，以及/或监控治疗性处理的有效性。
对治疗性处理或者延缓疾病的处理的有效性的监控是重要的。因为大多数慢性肝脏疾病伴随着纤维化，所以治疗性处理或者延缓疾病的处理具有减慢纤维化进展或者甚至使纤维化复原的作用。因此，重要的是能够具有可以评估纤维化中这种变化的测试。
与现有技术的手段和方法不同，本发明不仅涉及原因是病毒的纤维形成，还涉及原因是酒精的纤维化，以及涉及脂肪变性。
而且，本发明的手段比现有技术的手段更可靠。
这些手段是：(1)纤维化的存在和严重性的诊断性评分，也被称作肝门(portal)和中隔(septal)纤维化的诊断性评分；(2)定量纤维化面积的非侵入式方法和(3)确定分形维数的非侵入式方法，该分形维数指示纤维化导致的肝脏变形程度。
因此，本发明使得确定临床上重要的肝门纤维化和中隔纤维化(其由Métavir评分反映)的非侵入式诊断评分成为可能。根据本发明，该评分在0(最小纤维化)至1(最大纤维化)的范围内，用作F≥2的Métavir评分的参照阈值固定在0.5。该评分采用主观半定量纤维化参照-Métavir评分进行计算。Métavir评分是被作为解剖病理学家的医师在显微镜下对肝碎片进行检查后确定的。因此，这种非侵入式评分的标准是虚拟的，因为其相对于由0至4的Métavir评分所反应的对纤维化的真实检测(尽管其自身也是随意和主观的)是失真的。该标准是虚拟的，因为其由数学公式所产生，并且没有检测单位，并且该标准是失真的，因为在Métavir和非侵入式评分之间没有直接(或者线性)比例。然而，该0至1的评分代表肝门纤维化和中隔纤维化的更精确的检测，因为其是定量的变量，能够进行更精确的比较。两个结果的例子是：个体可以从0.14的评分发展到0.28的评分，尽管他(她)仍然处于Métavir的F0-F1阶段，然而他(她)的纤维化评分已经加倍(在相对数值上的100％进展)。相反，当个体从0.48的评分发展到0.52的评分，其可被错误地得出所述个体已经从F0-F1阶段发展到F2-F3阶段(或者出现“临床上显著的”纤维化)的结论，然而实际上该进展只有8％(相对值-0.48与0.52相比或[(0.52-0.48)/0.52]＝0.08或8％-，或4％-0.52-0.48＝0.04-绝对值)，并且不是临床上显著的。
此外，本发明不仅使确定诊断性评分成为可能，还使得定量肝脏纤维化的面积成为可能。对纤维化的面积的测量使得能获得这样的结果，即对于计算被纤维化占据的肝脏的百分比来说，比目前所使用的纤维化的MétavirF评分更精确。到目前为止，在任何所描述的方法中这样的定量仍是不可能的。它是纤维化面积的指数(或者评估评分)，在2％至55％的范围内，其中2％和55％分别为参照患者群中最小和最大纤维化面积。该指数是采用定量的纤维化参照计算的。因此，该指数的标准是真实的，因为它直接(非失真)反映了客观而是非随意的真实检测。因此，它是精确并且有意义的检测，因为它评估实际数值而没有失真。两个结果的例子是：个体可以从8.2％的纤维化评估面积发展为16.4％的纤维化评估面积。在病因被阻断或者接受抗纤维化治疗后，患有硬化的个体可以从35％的纤维化评估面积回复到31％，接着27％，最终23％，然而尽管是有规律的下降，该患者仍处于硬化阶段(F4)。
此外，本发明不仅使确定肝脏纤维化的诊断性评分和定量肝脏纤维化面积成为可能，还使确定肝脏的结构(分形维数)成为可能。对肝脏结构的检测使得能够获得比目前所用的纤维化的Métavir F评分更精确的结果以评估肝脏变形的程度。纤维化导致的这种肝脏变形程度是通过图像分析所得到的分形维数，该图像分析基于包括Kolmogorov维数(Kolmogorov dimension)(Moal F等人，2002，Hepatology，vol.36，第840-9页)在内的多种评估因素。现有技术中没有方法使得通过检验血液标志物确立分形维数的非侵入式检测成为可能。
事实上，本发明的发明人已经开发了在下面的表1中所提供的评分：
表1
测试目的：测量 测试名称 测试的首位字母缩写词
在慢性病毒性肝炎中：
临床上显著的肝纤维化的存在 肝脏纤维化的非侵入式评分 SNIFF
肝纤维化的面积 肝脏纤维化面积的非侵入式评分 SNIAFF
肝炎症活性 肝活性的非侵入式评分 SNIAH
在慢性酒精性肝炎中：
临床上显著的肝纤维化的存在 肝脏纤维化的非侵入式评分 SNIFFA
肝纤维化的面积 肝脏纤维化面积的非侵入式评分 SNIAFFA
在慢性肝脂肪变性中：
临床上显著的肝纤维化的出现 肝脏纤维化的非侵入式评分 SNIFFSA
肝纤维化的面积 肝脏纤维化面积的非侵入式评分 SNIAFFSA
在任何个体中：
临床上显著的肝纤维化的存在 肝脏纤维化的非侵入式评分 SNIDAFF
在慢性病毒性肝炎或慢性酒精性肝炎中：
临床上显著的肝纤维化的存在 肝脏纤维化的非侵入式评分 SNIFFAV
肝纤维化的面积 肝脏纤维化面积的非侵入式评分 SNIAFFAV
分形维数 肝脏纤维化分形维数的非侵入式评分 SNIDIFFAV
诊断有效性是与LNB相比被正确分类的个体的百分比。本发明诊断性评分的诊断有效性在该评分的末端会提高。SNIFF诊断性评分不会将任何患有病毒性肝炎的患者错误地分类为F0和F4(极少的F3分类错误)。换句话说，这种SNIFF评分对于临床医生所面临的两个重要问题是非常有效的(100％的正确回答)：是否存在错误划分没有纤维化的个体或者患有硬化的个体的风险？对于50％的具有最低和最高值的患者，使用5个变量的SNIFF评分的诊断有效性是90.8％。已知LNB的误差，特别是在纤维化的低级阶段(观察误差)和高级阶段(样品误差)，该误差率是接近0％。
因此，具体地，本发明的目的是以比现有技术的手段所能够达到的更高的精确度确定患有或者没有肝脏疾病的患者是否患有纤维化以及确定肝脏损伤的严重性(损害程度)。本发明的测试具有能够每隔6至12个月进行一次的优点，而根据共识会谈LNB只能够根据情况每3至5年重复一次。
本发明的方法包括对与特定组合中所采用的间接标志物相关的各种直接纤维化标志物进行组合和检测，其中所述标志物被称作变量。检测来自个体的样品中的这些变量。对这些变量的选择是由通过各种数学模型的统计学分析所得到的变量组合的最佳整体有效性决定的，每种变量提供了一份有统计学上显著并且不依赖其他变量的信息。换句话说，其包括最少数目的变量而达到的最佳有效性。这意味着，与可能已经被公开的更受限的组合相比，该数学模型中任何新变量会提供一份有创造性的信息(或者增加诊断有效性效率)。
在本文中，术语“样品”是指在任何分析之前，从个体取出的样品。该样品可以是来自所述个体的生物介质，例如血液、血清、血浆、尿或唾液，也可以是来自所述个体的一种或者多种细胞，例如组织活检样品或者更具体是肝脏活检样品。
术语“肝脏疾病”旨在指选自病毒起因的慢性肝纤维化、酒精起因的慢性肝纤维化以及慢性肝脂肪变性的肝脏疾病。
在本文中，术语“个体”指男性、女性或者动物、年轻人或者成年人、健康人或者易于患有或者患有肝脏疾病或其他疾病的人，其中所述肝脏疾病例如为病毒起因的慢性肝纤维化、酒精起因的慢性肝纤维化以及慢性肝脂肪变性，受到影响的个体可能接受或者未接受针对该肝脏疾病的治疗性处理。
因此，本发明涉及诊断个体中肝脏疾病的存在和/或严重性的方法，和/或监控肝脏疾病的治疗性处理的有效性的方法，其包括建立至少一种非侵入式诊断性评分，特别是用于肝门纤维化和中隔纤维化的诊断性评分，和/或用于纤维化面积的非侵入式评估评分，和/或用于分形维数的非侵入式评估评分，其通过进行下面的步骤来实现：
a)为了确定纤维化的面积或者分形维数，
检测来自所述个体的样品中的至少一种选自α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)、载脂蛋白A1(ApoA1)、III-型前胶原N-末端前肽(P3P)、γ-谷氨酰转肽酶(GGT)、胆红素、γ-球蛋白(GLB)、血小板(PLT)、凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)、丙氨酸转氨酶(ALAT)、脲、钠(NA)、糖血、甘油三酯、白蛋白(ALB)、碱性磷酸酶(ALP)、YKL-40(人类软骨糖蛋白39)、基质金属蛋白酶1组织抑制剂(TIMP-1)、基质金属蛋白酶2(MMP-2)和铁蛋白的变量，
a’)为了确立用于肝门纤维化和中隔纤维化的诊断性评分，测量在来自所述个体的样品中至少三种选自α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)、载脂蛋白A1(ApoA1)、III-型前胶原N-末端前肽(P3P)、γ-谷氨酰转肽酶(GGT)、胆红素、γ-球蛋白(GLB)、血小板(PLT)、凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)、丙氨酸转氨酶(ALAT)、脲、钠(NA)、糖血、甘油三酯、白蛋白(ALB)、碱性磷酸酶(ALP)、YKL-40(人类软骨糖蛋白39)、基质金属蛋白酶1组织抑制剂(TIMP-1)、基质金属蛋白酶2(MMP-2)和铁蛋白的变量；这三种变量中的至少一种选自血小板(PLT)和凝血酶原时间(PT)；在恰好检测三种变量的情况下，这三种变量合起来不能是血小板(PLT)、凝血酶原时间(PT)和胆红素；优选地，所选择的该至少三种变量合起来不包括α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)和基质金属蛋白酶1组织抑制剂(TIMP-1)，
b)任选地，收集至少一种表征所述个体的临床变量；
为了用于肝门纤维化和中隔纤维化的诊断性评分，以上的步骤a’)和b)检测或收集至少4种变量，
c)将所述变量结合进逻辑或线性函数中，以获得用于肝门纤维化和中隔纤维化的诊断性评分，和/或用于纤维化面积的诊断性评估评分，和/或用于分形维数的诊断性评估评分；
d)基于在进行步骤(c)的结合时所得到的评分，诊断所述疾病的存在和/或严重性，和/或所述治疗的有效性。
根据本发明的一个实施方式，在步骤a’中，所述至少3种变量选自α-2巨球蛋白(A2M)、载脂蛋白A1(ApoA1)、III-型前胶原N-末端前肽(P3P)、γ-谷氨酰转肽酶(GGT)、胆红素、γ-球蛋白(GLB)、血小板(PLT)、凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)、丙氨酸转氨酶(ALAT)、脲、钠(NA)、糖血、甘油三酯、白蛋白(ALB)、碱性磷酸酶(ALP)、YKL-40(人类软骨糖蛋白39)、基质金属蛋白酶1组织抑制剂(TIMP-1)、基质金属蛋白酶2(MMP-2)和铁蛋白；这三种变量中至少一种选自血小板(PLT)和凝血酶原时间(PT)；在恰好检测三种变量的情况下，这三种变量合起来不能是血小板(PLT)、凝血酶原时间(PT)和胆红素；优选地，所选择的至少三种变量合起来不包括α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)和基质金属蛋白酶1组织抑制剂(TIMP-1)。
根据本发明的另一实施方式，在步骤a’中，所述的至少3种变量选自α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)、载脂蛋白A1(ApoA1)、III-型前胶原N-末端前肽(P3P)、γ-谷氨酰转肽酶(GGT)、胆红素、γ-球蛋白(GLB)、血小板(PLT)、凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)、丙氨酸转氨酶(ALAT)、脲、钠(NA)、糖血、甘油三酯、白蛋白(ALB)、碱性磷酸酶(ALP)、YKL-40(人类软骨糖蛋白39)、基质金属蛋白酶2(MMP-2)和铁蛋白；这三种变量中至少一种选自血小板(PLT)和凝血酶原时间(PT)；在恰好检测三种变量的情况下，这三种变量合起来不能血小板(PLT)、凝血酶原时间(PT)和胆红素；优选地，所选择的至少三种变量合起来不为α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)和基质金属蛋白酶1组织抑制剂(TIMP-1)。
本发明还涉及肝纤维化的诊断性测试，其采用本发明的方法。出于本发明的目的，术语“诊断性”指确定纤维化的存在，和/或确定其进展的阶段。为了建立该诊断，所使用的测试或者方法的特异性通常是所期望的。
有利的是，表征个体的临床变量选自体重(重量)、体重指数(BMI)即重量/(尺寸或高度)2的比值、在收集样品时的年龄以及病因。术语“病因”(或病原)指酒精性或者病毒性病因。因此，本领域技术人员清楚的是，只有已经诊断出肝脏疾病，例如病毒起因的慢性肝纤维化或者酒精起因的慢性肝纤维化时，才可以使用“病因”临床变量。
在本发明的方法中，在步骤(c)之前，在步骤(a)或者(a’)中所检测的变量以及在步骤(b)中所收集的变量可以互相结合。因此，在本发明所采用的逻辑函数中可使用“自然变量”或者“组合变量”，其中所述“原始变量”也被称作“独立或者简单变量”，其为在被加入到逻辑函数之前没有经历任何修饰的变量，所述“组合变量”是独立变量相互之间的数学组合。作为例子，在本发明中可以使用的组合变量以非穷尽的方式包括：
-GAPRI＝((GGT/45)/PLT)*100
-GLOPRI＝(GLB/PLT)*100
-GLOTRI＝(GLB/PT)*100
-HYAPRI＝(HA/PLT)*100
-HYATRI＝(HA/PT)*100
-AMPRI＝(A2M/PLT)*100
-AMTRI＝(A2M/PT)*100
-HYAMTRI＝(HA*A2M)/(PT*100)
-HYAMPRI＝(HA*A2M)/(A2M*100)＝HA/100
-HAMPRI＝(HA*A2M)/(PLT*100)
-HYAMPTRI＝(HA*A2M)/(PLT*PT)
-GHAMPRI＝(GLB*HA*A2M)/(PLT*1000)
-GHAMTRI＝(GLB*HA*A2M)/(PT*1000)
- GHAMPTRI＝(GLB*HA*A2M)/(PLT*PT*10)。
这些组合变量的首位字母缩写词使用独立(简单)变量的缩写作为前缀，后缀RI表示“比例指数”。
需要注意的是，一种原理相似的被称作APRI(＝ASAT/PLT)的不同评分已经被公开(Wai等人，Hepatology，2003，vol38，第518-526页)。以下称作RAT的该ASAT/ALAT比例，也是现有技术的一部分。
根据本发明，名称非侵入式肝脏纤维化评分(首位字母缩写词：SNIFF)被提供给由标志物组合所构成的评分，其中标志物优选血液标志物，该评分在0至1的范围内，其评估病毒性起因的肝脏疾病(SNIFF)或酒精性起因的肝脏疾病(SNIFFA)或者这两种病因的肝脏疾病(SNIFFAV)或者脂肪变性起因的肝脏疾病(SNIAFFSA)的Métavir F型评分。名称非侵入式肝脏纤维化面积评分(首位字母缩写词：SNIAFF)用于由标志物组合所构成的评分，其中标志物优选血液标志物，该评分在大多数病例中在5至55％的范围内。其为病毒性起因的肝脏疾病(SNIAFF)或酒精性起因的肝脏疾病(SNIAFFA)或者这两种病因的肝脏疾病(SNIAFFAV)或者脂肪变性起因的肝脏疾病(SNIAFFSA)的肝脏纤维化面积的评估评分。
肝脏病理的严重性是对肝脏中纤维化程度的评估。
在本发明方法的步骤(a’)中，对来自个体的至少3种变量进行检测，优选检测4种、5种、6种或7种变量。
在本发明的步骤(a)或(a’)中进行的检测是针对变量(A2M、HA、胆红素、PLT、PT、脲、NA、糖血、甘油三酯、ALB和P3P的情况)的定量进行的检测，或者针对对变量(GGT、ASAT、ALAT和ALP的情况)的酶活的定量进行的检测。本领域技术人员知道对给定物质或蛋白质或其酶活进行定量的各种直接或间接方法。这些方法可以使用一种或者多种在免疫测定技术(放射免疫测定或RIA、ELISA测定、Western印迹等)中识别所述蛋白质的单克隆或者多克隆抗体，使用Northern印迹、条带印迹或者PCR型技术分析所述蛋白质的mRNA的量、以及诸如任选地结合质谱的HPLC等技术。上述的蛋白质活性测定使用这些蛋白质各自特异的至少一种底物进行测定。国际专利申请WO 03/073822列举了可以用于定量α-2巨球蛋白(A2M)和透明质酸(HA或透明质酸盐)的方法。
作为例子，下面以非穷尽的方式提供了能够用于作为本发明对象的方法的步骤(a)或(a’)中对血液样品进行检测的商品化试剂盒或测定的优选列表：
-凝血酶原时间：快速时间(QT)是通过将钙促凝血酶原激酶(例如Neoplastin CI plus，Diagnostica Stago，Asnières，France)加入到血浆中被确定的，并以秒测量凝血时间。为了获得凝血酶原凝血酶原时间(PT)，从一组被评估为100％的正常血浆的各种稀释液绘制了校准直线。从患者血浆中所得到的结果被表示为相对于该组正常血浆的百分比。PT的上限值不受限制，并可以超过100％。
-A2M：其测定是通过使用例如Behring浊度计分析仪的激光免疫比浊确定的。试剂可为兔抗-人A2M抗血清。
-HA：通过ELISA(例如：Corgenix，Inc.Biogenic SA 34130Mauguio France)确定血清浓度，其使用从牛软骨中分离的特异性结合HA的蛋白质。
-P3P：通过RIA(例如：RIA-gnost PIIIP试剂盒，Hoechst，Tokyo，Japan)确定血清浓度，其使用鼠抗牛皮肤PIIINP的单克隆抗体。
-PLT：在含有EDTA(乙二铵四乙酸)的真空采血管(vacutainer)(例如Becton Dickinson，France)中收集血液样品，并可在Advia120计数器(Bayer Diagnostic)上进行分析。
-脲：例如通过“动力学UV脲测定”(Roche Diagnostics)进行测定。
-GGT：例如通过“针对Szasz标准化的γ-谷氨酰基转移酶测定”(Roche Diagnostics)进行测定。
-胆红素：例如通过“胆红素测定”(Jendrassik-Grof法)(RocheDiagnostics)进行测定。
-ALP：例如通过“ALP IFCC”(Roche Diagnostics)进行测定。
-ALAT：例如通过“ALT IFCC”(Roche Diagnostics)进行测定。
-ASAT：例如通过“AST IFCC”(Roche Diagnostics)进行测定。
-钠：例如通过“钠离子选择性电极”(Roche Diagnostics)进行测定。
-糖血：例如通过“葡萄糖GOD-PAP”(Roche Diagnostics)进行测定。
-甘油三酯：例如通过“甘油三酯GPO-PAP”(Roche Diagnostics)进行测定。
-脲、GGT、胆红素、碱性磷酸酶、钠、糖血、ALAT和ASAT可以在分析仪上进行分析，例如：Hitachi917，Roche Diagnostics GmbH，D-68298 Mannheim，Germany。
-γ-球蛋白、白蛋白和α-2球蛋白：通过蛋白质电泳进行测定，例如：毛细管电泳(Capillarys)，SEBIA23，rue M Robespierre，92130 IssyLes Moulineaux，France。
-ApoA1：例如通过使用分析仪以“Determination of apolipoproteinA-1(确定载脂蛋白A-1)”(Dade Behring)进行测定，例如：BN2 DadeBehring Marburg GmbH，Emil von Behring Str.76，D-35041 Marburg，Germany。
-TIMP1：例如通过TIMP1-ELISA，Amersham进行测定。
-MMP2：例如通过MMP2-ELISA，Amersham进行测定。
-YKL-40：例如通过YKL-40 Biometra，YKL-40/8020，QuidelCorporation进行测定。
-PIIIP：例如通过PIIIP RIA试剂盒，OCFKO7-PIIIP，cis biointernational进行测定。
对于作为本发明对象的方法的步骤(a)或(a’)中所检测变量，所得到的数值表示为：
-mg/dl，α-2巨球蛋白(A2M)，
-μg/l，透明质酸(HA或透明质酸盐)，
-g/l，载脂蛋白A1(ApoAl)**，
-U/ml，III-型前胶原N-末端前肽(P3P)**，
-IU/l，γ-谷氨酰转肽酶(GGT)，
-μmol/l，胆红素，
-g/l，γ-球蛋白(GLB)*，
-Giga/l，血小板(PLT)，
-％，凝血酶原时间(PT)，
-IU/l，天冬氨酸转氨酶(ASAT)，
-IU/l，丙氨酸转氨酶(ALAT)，
-mmol/l，甘油三酯*，
-mmol/l，脲*，
-mmol/l，钠(NA)、
-mmol/l，糖血*，
-g/l，白蛋白(ALB)*，
-IU/l，碱性磷酸酶(ALP)，
-ng/ml，TIMP1，
-ng/ml，MMP2，
-ng/ml，YKL-40，
-U/ml，PIIIP，
-μg/l，铁蛋白。
在作为本发明对象的方法的步骤(b)中所收集的临床变量表示为：
-kg，在收集样品的日期时的体重(重量)，
-年，在收集样品的日期时的年龄(年龄)*，
-kg/m2，在BMI*中：kg，体重；m(米)，身高，
-代码1为酒精病因，2为病毒病因。
使用星号(*)强调的变量表示为一位(*)或者两位小数(**)，而其它的则没有小数。
有利的是，在作为本发明对象的方法的步骤(a)或(a’)中所使用的来自个体的样品是来自所述个体的生物基质，例如血液、血清、血浆、尿或唾液，或者是来自所述个体的一种或者多种细胞，例如组织活检样品或者更具体是肝脏活检样品。
在本发明中，可以预料到在步骤(a)或(a’)中检测的各种变量是在来自患者的不同样品中检测的。以非穷尽的方式举例而言，一种变量是在来自个体的尿中检测的，而另外3种是在来自相同个体的血液中检测的，在相对短的时间段中取出这两种样品(血液和尿)。然而，特别优选的是，在作为本发明对象的方法的步骤(a)或(a’)中所使用的来自个体的样品是在任何检测之前从个体取出的血液样品。
根据本发明的第一实施方式，在作为本发明对象的方法的步骤(c)中将变量α-2巨球蛋白(A2M)和凝血酶原时间(PT)以及至少两种选自血小板(PLT)、天冬氨酸转氨酶(ASAT)、脲、透明质酸(HA)和年龄的变量进行结合。有利的是，所获得的评分是使用至少4种变量的病毒起因的肝脏纤维化的非侵入式评分。
在该第一实施方式中可得到的优选评分中，优选在步骤(c)中结合以下变量的评分：
-α-2巨球蛋白(A2M)、凝血酶原时间(PT)、透明质酸(HA)和年龄(被称作SNIFF 4a的评分)；
-α-2巨球蛋白(A2M)、凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)和年龄(被称作SNIFF 4b的评分)；
-α-2巨球蛋白(A2M)、凝血酶原时间(PT)、血小板(PLT)、天冬氨酸转氨酶(ASAT)和年龄(被称作SNIFF 5的评分)；
-α-2巨球蛋白(A2M)、凝血酶原时间(PT)、血小板(PLT)、天冬氨酸转氨酶(ASAT)、脲和透明质酸(HA)(被称作SNIFF 6的评分)；
-α-2巨球蛋白(A2M)、凝血酶原时间(PT)、血小板(PLT)、天冬氨酸转氨酶(ASAT)、脲、透明质酸(HA)和年龄(被称作SNIFF 7的评分)。
这样可得到的评分是病毒起因的肝脏纤维化的非侵入式评分，其被称作SNIFF，其使用4至7个变量为Métavir F型评分提供了0至1的评估评分。
在本发明的第二实施方式中，除了凝血酶原时间(PT)变量外，在步骤(c)中结合了至少3种选自天冬氨酸转氨酶(ASAT)、丙氨酸转氨酶(ALAT)和碱性磷酸酶(ALP)、年龄、透明质酸(HA或透明质酸盐)和α-2巨球蛋白(A2M)的变量。这样可得到的评分是酒精起因的肝脏纤维化的非侵入式评分，其被称作SNIFFA。
在该第二实施方式中可获得的优选评分中，优选在步骤(c)中结合了以下变量的评分：
-凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)、丙氨酸转氨酶(ALAT)和碱性磷酸酶(ALP)(被称作SNIFFA 4b的评分)，
-凝血酶原时间(PT)、年龄、透明质酸(HA或透明质酸盐)和α-2巨球蛋白(A2M)(被称作SNIFFA 4c的评分)。
根据本发明的第三实施方式，在该方法的步骤(c)中结合了至少以下的4种变量：透明质酸(HA或透明质酸盐)、γ-谷氨酰转肽酶(GGT)、胆红素和血小板(PLT)。这样所获得的评分是肝脏纤维化面积的非侵入式评估评分(被称作使用至少4个变量的SNIAFF)，其在大部分病例中在5至35％的范围内。优选地，除了上面所述的4种变量，在步骤(c)中结合至少1种、更优选至少2种、甚至更优选至少4种选自α-2巨球蛋白(A2M)、脲、载脂蛋白A1(ApoAl)和γ-球蛋白(GLB)的变量。
在该第三实施方式中可获得的优选评分中，优选在步骤(c)中所结合以下变量的评分：
-透明质酸(HA或透明质酸盐)、γ-谷氨酰转肽酶(GGT)、胆红素、血小板(PLT)和载脂蛋白A1(ApoA1)(被称作SNIAFF 5的评分)；
-透明质酸(HA或透明质酸盐)、γ-谷氨酰转肽酶(GGT)、胆红素、血小板(PLT)、α-2巨球蛋白(A2M)和脲(被称作SNIAFF 6a的评分)；
-透明质酸(HA或透明质酸盐)、γ-谷氨酰转肽酶(GGT)、胆红素、血小板(PLT)、脲和γ-球蛋白(GLB)(被称作SNIAFF 6b的评分)。
在本发明的第四实施方式中，可以获得被称作SNIDAFF的评分，其是基于用于酒精性肝脏疾病和病毒性肝脏疾病的通常变量的用于筛选肝脏纤维化的非侵入式评分，在0至1的范围内。出于本发明的目的，术语“筛选”应当被理解为在不患有已知肝脏疾病的患者中或者在患有已知慢性肝脏疾病的患者中寻找纤维化的存在，而不管其阶段。对于筛选来说，该测试的灵敏性是特别重要的标准。
有利的是，该SNIDAFF评分是通过在本发明方法的步骤(c)中结合至少以下4种变量而获得的：血小板(PLT)、凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)和年龄。优选地，除了上面所述的4种变量以外，在步骤(c)中结合至少一种、优选至少两种选自碱性磷酸酶(ALP)、α-2巨球蛋白(A2M)和脲的变量。
这样，在该第四实施方式中可获得的优选评分中，优选在步骤(c)中结合以下变量的评分：
-血小板(PLT)、凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)、年龄、碱性磷酸酶(ALP)和α-2巨球蛋白(被称作SNIDAFF 6a的评分)；
-血小板(PLT)、凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)、年龄、碱性磷酸酶(ALP)和脲(被称作SNIDAFF 6b的评分)。
在本发明的第五实施方式中，可得到被称作SNIFFSA的评分，其为脂肪变性肝脏疾病的肝脏纤维化的非侵入式评分，在0至1的范围内。有利的是，该SNIFFSA评分可以通过在本发明方法的步骤(c)中除了凝血酶原时间(PT)变量以外还结合至少3种选自天冬氨酸转氨酶(ASAT)、甘油三酯、年龄和糖血的变量而获得。
在该第五实施方式中可获得的优选评分中，优选在步骤(c)中结合以下变量的评分：
-凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)、年龄和糖血(被称作SNIFFSA 4a的评分)，
-凝血酶原时间(PT)、甘油三酯、年龄和糖血(被称作SNIFFSA 4b的评分)。
在本发明的第六实施方式中，可获得被称作SNIFFAV的评分，其为病毒性或酒精性病理的肝脏纤维化的非侵入式评分，在0至1的范围内。有利的是，该SNIFFAV评分可以通过在本发明方法的步骤(c)中结合下面6种变量中的至少5种变量而获得：α-2巨球蛋白(A2M)、血小板(PLT)、凝血酶原时间(PT)、脲、透明质酸(HA或透明质酸盐)或病因。
在该第六实施方式中可获得的优选评分中，优选在步骤(c)中结合以下变量的评分：
-α-2巨球蛋白(A2M)、血小板(PLT)、凝血酶原时间(PT)、脲和透明质酸(HA或透明质酸盐)(被称作SNIFFAV 5的评分)；
-α-2巨球蛋白(A2M)、血小板(PLT)、凝血酶原时间(PT)、脲、透明质酸(HA或透明质酸盐)和病因(被称作SNIFFAV 6的评分)。
在本发明的第七实施方式中，可得到被称作SNIAFFAV的评分，其为病毒性或酒精性肝脏病理的肝脏纤维化面积的非侵入式评估评分，在大多数病例中在5至55％的范围内。有利的是，该SNIAFFAV评分可以通过在本发明方法的步骤(c)中除了凝血酶原时间(PT)变量之外，还结合至少3种、优选至少4种、更优选5种、6种或7种选自血小板(PLT)、脲、透明质酸(HA或透明质酸盐)、胆红素、α-2巨球蛋白(A2M)、γ-谷氨酰转肽酶(GGT)、γ-球蛋白(GLB)、天冬氨酸转氨酶(ASAT)和病因的变量。
因此，在该第7实施方式中可得到的优选评分中，优选在步骤(c)中结合以下变量的评分：
-凝血酶原时间(PT)、透明质酸(HA或透明质酸盐)、胆红素和α-2巨球蛋白(A2M)(被称作SNIAFFAV 4的评分)，
-凝血酶原时间(PT)、血小板(PLT)、脲、透明质酸(HA或透明质酸盐)和病因(被称作SNIAFFAV 5的评分)，
-凝血酶原时间(PT)、脲、透明质酸(HA或透明质酸盐)、胆红素和α-2巨球蛋白(A2M)(被称作SNIAFFAV 5b的评分)，
-凝血酶原时间(PT)、透明质酸(HA或透明质酸盐)、胆红素、α-2巨球蛋白(A2M)和病因(被称作SNIAFFAV 5c的评分)，
-凝血酶原时间(PT)、血小板(PLT)、透明质酸(HA或透明质酸盐)、胆红素、α-2巨球蛋白(A2M)、γ-谷氨酰转肽酶(GGT)、γ-球蛋白(GLB)和天冬氨酸转氨酶(ASAT)(被称作SNIAFFAV 8的评分)。
在本发明的第八实施方式中，可得到被称作SNIDIFFAV的评分，其为病毒性或者酒精性肝脏病理的肝脏纤维化的分形维数的非侵入式评估评分，在大多数病例中在0.7至1.3的范围内。有利的是，该SNIDIFFAV评分可通过在本发明方法的步骤(c)中结合下列5种变量中的至少4种而获得：α-2巨球蛋白(A2M)、白蛋白(ALB)、凝血酶原时间(PT)、透明质酸(HA或透明质酸盐)、丙氨酸转氨酶(ALAT)、天冬氨酸转氨酶(ASAT)和年龄。
在该第八实施方式中可得到的优选评分中，优选在步骤(c)中结合以下变量的评分：
-α-2巨球蛋白(A2M)、凝血酶原时间(PT)、白蛋白(ALB)和年龄(被称作SNIDIFFAV 4a的评分)，
-α-2巨球蛋白(A2M)、凝血酶原时间(PT)、白蛋白(ALB)和透明质酸(HA或透明质酸盐)(被称作SNIDIFFAV 4b的评分)，
-α-2巨球蛋白(A2M)、白蛋白(ALB)、凝血酶原时间(PT)、丙氨酸转氨酶(ALAT)、天冬氨酸转氨酶(ASAT)和年龄(被称作SNIDIFFAV 6的评分)。
在本发明的第九实施方式中，可得到被称作SNIAFFA的评分，其为酒精性肝脏病理的肝脏纤维化面积的非侵入式评估评分，大多数病例中在5至55％的范围内。有利的是，该SNIAFFA评分可以通过在本发明方法的步骤(c)中除了凝血酶原时间(PT)变量外，还结合至少3种选自α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)、血小板(PLT)和个体重量的变量。
在该第九实施方式中可得到的优选评分中，优选在步骤(c)中结合以下变量的评分：
-凝血酶原时间(PT)、α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)和个体重量(被称作SNIAFFA 4a和SNIAFFA 4b的评分)，
-凝血酶原时间(PT)、α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)和血小板(PLT)(被称作SNIAFFA 4c的评分)。
在本发明的第十实施方式中，可得到被称作SNIAFFSA的评分，其为脂肪变性肝脏病理的肝脏纤维化面积的非侵入式评估评分，大多数病例中在5至35％的范围内。有利的是，该SNIAFFSA评分可以通过在本发明方法的步骤(c)中除了凝血酶原时间(PT)、γ-球蛋白(GLB)和重量3种变量外，还结合至少一种、优选至少两种选自透明质酸(HA或透明质酸盐)、血小板(PLT)、个体的年龄和BMI的变量。
在该第十实施方式中可得到的优选评分中，优选在步骤(c)中结合以下变量的评分：
-凝血酶原时间(PT)、γ-球蛋白(GLB)、体重和年龄(被称作SNIAFFSA 4的评分)，
-凝血酶原时间(PT)、γ-球蛋白(GLB)、体重、透明质酸(HA或透明质酸盐)、血小板(PLT)和BMI(被称作SNIAFFSA 6的评分)。
作为变体，本发明还涉及诊断个体中肝脏病理的存在和/或指示其严重性，和/或监控对肝脏疾理的治疗性处理的有效性的方法，其包括下列步骤：
a’)在来自所述个体的样品内检测至少一种选自α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)、载脂蛋白A1(ApoA1)、γ-谷氨酰转肽酶(GGT)、胆红素、γ-球蛋白(GLB)、血小板(PLT)、凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)、丙氨酸转氨酶(ALAT)、脲、钠(NA)、甘油三酯、糖血、白蛋白(ALB)和碱性磷酸酶(ALP)、YKL-40(人软骨糖蛋白39)、基质金属蛋白酶1组织抑制剂(TIMP-1)、基质金属蛋白酶2(MMP-2)和铁蛋白的变量；
b’)任选地收集至少一种表征所述个体的临床变量；
c’)在逻辑或者线性函数中，将在(a’)中所检测的变量以及任选的在(b’)中所收集的变量进行结合，以获得评分；
d’)基于在进行步骤(c)的结合时所得到的评分，诊断所述病理的存在和/或严重性。
上面所述步骤(a)、(b)、(c)和(d)的特征(样品、变量的测定、变量的单位)经必要修改后也适用于步骤(a’)、(b’)、(c’)和(d’)。
根据本发明的该变体的第一实施方式，可在步骤(a’)中检测以下两种变量：α-2巨球蛋白(A2M)和透明质酸(HA或透明质酸盐)，以获得被称作SNIAFFA 2的评分，其为酒精性肝脏病理的肝脏纤维化面积的非侵入式评估评分，在大部分病例中，在5至55％的范围内。
可以将这两种变量与至少一种、优选至少两种选自个体体重和III-型前胶原N-末端前肽(P3P)的变量进行结合。
在可在本发明该变体的第一实施方式中得到的优选评分中，优选在步骤(c)中结合以下变量的评分：
-α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)和个体的体重，这样可以基于三种变量获得SNIAFFA 3评分，
-α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)、个体的体重和III-型前胶原N-末端前肽(P3P)(被称作SNIAFFA 4的评分)。
根据本发明该变体的第二实施方式，可在本发明的方法的步骤(a’)中检测丙氨酸转氨酶(ALAT)变量，以便获得被称作SNIAH的评分，其为病毒性肝脏病理的肝脏坏死-炎症活性的非侵入式评估评分。
根据本发明该变体的第三实施方式，可在本发明的方法的步骤(a’)中检测以下3种生物学变量：凝血酶原时间(PT)、丙氨酸转氨酶(ALAT)和碱性磷酸酶(ALP)。在本发明的步骤(c’)中将这3种变量结合在一起使得能获得SNIFFA 3评分(使用3种变量的酒精起因的肝脏纤维化的非侵入式评分)。
另外，可以替换的是，可以使用采用四种变量的被称作SNIFFA的酒精起因的肝脏纤维化的非侵入式评分。这样，通过在步骤(c’)中结合下面的变量确定了采用4种变量的SNIFFA 4评分：α-2巨球蛋白(A2M)、年龄、透明质酸(HA或透明质酸盐)和丙氨酸转氨酶(ALAT)，这使得获得SNIFFA 4a评分成为可能。
通过结合生物学或者临床标志物(或者自变量)预测所述SNIFF、SNIFFA、SNIFFSA、SNIAH、SNIDAFF和SNIFFAV评分(或者因变量)。这些结合(或者模型)已经通过被称作二元逻辑回归的统计方法获得，程序如下：
首先通过单变量分析测试自变量。
接着，对在单变量分析中有显著性的自变量在多变量分析中通过二元逻辑回归以逐步递增或递减的选择进行测试。
该逻辑回归产生了以以下形式的每种评分的公式：
评分＝a0+a1x1+a2x2+...
其中，系数ai是常数，变量xi是自变量。
该评分相应于p的分对数，其中p是临床上显著纤维化存在的可能性。采用下面的公式计算这种可能性p：
P＝exp(a0+a1x1+a2x2+...)/(1+exp(a0+a1x1+a2x2+...))
或者p＝l/(1+exp(-a0-a1x1-a2x2-...))
其中系数ai和变量xi对应于评分公式中的系数和变量。通过可能性p＞0.5确定损害的存在(例如，临床上显著的纤维化)。需要注意的是，术语逻辑回归“评分”和SNIFF“评分”并不对应于上述等式中的相同术语。在临床应用中，SNIFF对应于p。
下面我们提供了每种SNIFF评分的表格，其中第一列是每种自变量的名称，第二列是关联系数ai(在下文中和通常在文献中称作β，在下面的表格中称作B)，接着是其标准偏差(在下面的表格中被称作S.D)，接着是其显著程度(在下面的表格中称作signif)，最后两列提供了exp(ai)置信区间，即相应的优势比(在下面的表格中称作exp(β))的置信区间(在下面的表格中称作CI)。
对于在上述本发明变体中定义的每种SNIFF评分，模型的整体预测值是由在第二表格中正确分类的个体的“整体百分率”所反映的。
对于可适用等式中的每个评分，每个自变量xi的系数βi可从对应于所述评分±3.3标准偏差的表格中提供的值β变化，该数值也提供在表格中。类似地，a0可以从表格中所给定的常数值±3.3标准偏差变化。
以下面的表格为基础举例而言，希望使用采用4种标志物的SNIFF4a评分的本领域技术人员将采用下面的公式：
p＝l/1+exp(-a0-a1(HA，μg/l)-a2(PT，％)-a3(A2M，mg/dl)-a4(年龄，年))，其中
-a0在-3.130和7.860之间(2.365±3.3×1.665)，优选a0为2.365，
-a1在-0.002和0.024之间(0.011±3.3×0.004)，优选a1为0.011，
-a2在-0.118和-0.006之间(-0.062±3.3×0.017)，优选a2为-0.062，
-a3在0.003和0.009之间(0.006±3.3×0.001)，优选a3为0.006，
-a4在-0.016和0.076之间(0.030±3.3×0.014)，优选a4为0.030。
该SNIFF评分是以总量的形式(包括了所有的个体)或者优化的形式表示的，在这种情况中，从分析中去除极端个体，其特征是学生化残差(studentized residue)大于3。在数值方面，它们一直较小，通常≤5％。由此，在后面所提供的表格中，以“o”指出的一些，例如SNIFF 4ao，提供在该优化之后所获得的系数β。
另外，对于在本发明中没有提供各种常数a0和ai的评分来说，希望使用它的本领域技术人员能够确定所述常数。于是，必要的是具有含有所使用的(如在步骤a与b中所检测的)自变量的数据库，以及具有所研究的病理的个体群(酒精或病毒或脂肪变性)，理想的是数百人，然后计算在步骤c中所指出的以及上面所解释的系数ai(或β)。因变量是所寻求的损害，例如由Métavir评分≥2所确定的临床上显著的纤维化。
1.用于SNIFF 4a(3种纤维化的标志物+年龄)：
  变量     B     S.D.     Signif.     Exp(B)     Exp(B)的CI95.0％
    较低     较高
  HA     0.011     0.004     0.004     1.011     1.003     1.018
  PT     -0.062     0.017     0     0.94     0.91     0.971
  A2M     0.006     0.001     0     1.006     1.003     1.009
  AGE     0.03     0.014     0.028     1.03     1.003     1.058
  常数     2.365     1.665     0.156     10.641
分类表.分界值(caesura value)是.500
        观察的                 预测的
      F0+1对2-4   正确百分比
    .00    1.00
阶段4  F0+1对2-4整体百分比     .001.00     10737    27127      79.977.478.5
2.用于SNIFF 4ao(3种纤维化的标志物+年龄)：
    B     S.D.   Signif.    Exp(B)     Exp(B)的CI95.0％
    较低     较高
  HAPTA2MAGE常数    .011-.084.008.0463.232    .004.019.002.0151.843    .007.000.000.002.080    1.011.9191.0091.04725.334     1.003.8861.0051.017     1.020.9551.0121.078
        观察的                  预测的
       F0+1对2-4    正确百分比
    .00     1.00
 阶段  F0+1对2-4整体百分比     .001.00     10535     25127      80.878.479.5
分类表.分界值是.500
3.用于SNIFF 4b，采用3种纤维化的标志物+年龄：
    B      S.D.    Signif.    Exp(B)     Exp(B)的CI95.0％
    较低     较高
 PTA2MAGEASAT常数   -0.67.005.049.0182.024     .016.002.013.0051.647     .000.001.000.000.219     .9361.0051.0501.0197.567     .9061.0021.0231.009     .9661.0081.0771.028
分类表(a)
        观察的                 预测的
       F0+1对2-4   正确百分比
    .00     1.00
阶段4  F0+1对2-4整体百分比     .001.00     10639     29132      78.577.277.8
a分界值是.500
4.用于SNIFF 4bo，采用3种纤维化的标志物+年龄：
      B     S.D.    Signif.    Exp(B)      Exp(B)的CI 95.0％
    较低     较高
 PTASATA2MAGE常数    -.091.023.008.0722.412    .020.006.002.0151.902     .000.000.000.000.205     .9131.0231.0081.07411.154     .8781.0121.0051.042     .9491.0351.0121.107
        观察的                预测的
      F0+1对2-4   正确百分比
    .00     1.00
 F0+1对2-4整体百分比     .001.00     10236     26134      79.778.879.2
分类表.分界值是.500.
5.用于SNIFF 5，采用4种纤维化的标志物+年龄：
     B    S.D.   Signif.    Exp(B)      Exp(B)的CI95.0％
    较低     较高
 血小板PTASATA2MAGE常数     -.007-.059.015.005.0403.285    .002.017.005.002.0131.736    .002.000.002.001.003.058     .993.9431.0151.0051.04126.707     .988.9121.0051.0021.014     .997.9751.0251.0091.069
分类表(a)
         观察的                 预测的
    F0+1对2-4   正确百分比
    .00     1.00
阶段5  F0+1对2-4整体百分比     .001.00     11036     23135      82.778.980.6
a分界值是.500。
6.用于SNIFF 5o，采用4种纤维化的标志物+年龄：
      B     S.D.   Signif.    Exp(B)      Exp(B)的CI95.0％
    较低     较高
 PTA2MAGEPLTASAT常数     -.082.009.058-.008.0204.034    .020.002.015.003.0062.004     .000.000.000.002.001.044     .9211.0091.059.9921.02056.508     .8851.0051.028.9861.009     .9591.0131.092.9971.032
        观察的                 预测的
       F0+1对2-4   正确百分比
    .00     1.00
 F0+1对2-4整体百分比     .001.00     10232     25138      80.381.280.8
分类表.分界值是.500。
7.用于SNIFF 6，采用5+1种纤维化的标志物：
      B     S.D.   Signif.    Exp(B)      Exp(B)的CI95.0％
    较低     较高
 血小板ASAT脲HYALUAMTRI常数     -.008.010-.266.023.006.050    .002.005.084.006.001.774    .001.038.002.000.000.948     .9921.010.7671.0231.0061.052     .9871.001.6501.0111.003     .9961.020.9041.0351.009
AMTRI：(A2M/PT)×100
分类表(a)
        观察的               预测的
       F0+1对2-4   正确百分比
    .00     1.00
阶段5  F0+1对2-4整体百分比     .001.00     11035     22130      83.378.880.8
a分界值是.500
8.用于优化的SNIFF 6o，采用5+1种纤维化的标志物：
等式中的变量
      B     S.D.     Wald   ddl   Signif.    Exp(B)
 阶段  血小板ASAT脲HAAMTRI常数     -.010.011-.365.037.007.171     .003.005.096.009.002.881    12.7434.29514.43418.48221.531.038   111111     .000.038.000.000.000.846     .9901.011.6941.0381.0071.187
分类表(a)
        观察的                预测的
       F0+1对2-4   正确百分比
    .00     1.00
 阶段  F0+1对2-4整体百分比     .001.00     10630     22135      82.881.882.3
a分界值是.500
AMTRI：(A2M/PT)×100
9.用于SNIFF 6，采用7种纤维化的标志物+年龄：
      B     S.D.   Signif.    Exp(B)      Exp(B)的CI95.0％
    较低     较高
 血小板ASAT脲HYALUPTA2MAGE常数    -.007.012-.270.021-.049.005.0273.718    .003.005.088.006.018.002.0151.929    .004.021.002.001.007.003.063.054     .9931.012.7641.021.9521.0051.02841.173     .9881.002.6431.009.9191.002.998     .9981.022.9071.033.9871.0081.058
分类表(a)
        观察的                预测的
      F0+1对2-4   正确百分比
    .00     1.00
阶段7  F0+1对2-4整体百分比     .001.00     11132     21132      84.180.582.1
a分界值是.500
采用不同的分界值的SNIFF 7a变体，以消除Métavir F3假阴性，β系数没有变化。
        观察的                 预测的
      F0+1对2-4   正确百分比
    .00     1.00
 F0+1对2-4整体百分比     .001.00     9019     42145      68.288.479.4
分界值是.370
10.用于优化的SNIFF 7o，采用6种纤维化的标志物+年龄：
      B     S.D.   Signif.    Exp(B)      Exp(B)的CI95.0％
    较低     较高
 血小板ASAT脲HYALUPTA2MAGE常数     -.010.014-.401.038-.062.006.0424.873    .003.006.105.009.021.002.0172.214    .001.009.000.000.003.002.012.028     .9901.015.6691.039.9401.0061.043130.764     .9841.004.5441.020.9021.0021.009     .9961.026.8231.058.9791.0091.078
分类表(a)
         观察的                  预测的
        F0+1对2-4   正确百分比
    .00     1.00
阶段7  F0+1对2-4整体百分比     .001.00     10829     20133      84.482.183.1
a分界值是.500
采用不同分界值的优化的SNIFF 7bo，以消除Métavir F3假阴性，β系数没有变化。
         观察的                  预测的
      F0+1对2-4   正确百分比
    .00     1.00
 F0+1对2-4整体百分比     .001.00     8615     42147      67.290.780.3
分界值是.290
11.用于SNIFFA3，采用3种纤维化的标志物：
      B     S.D.    Signif.   Exp(B)      Exp(B)的CI95.0％
    较低     较高
 PTALATALP常数     -.161-.020.03013.510    .047.009.0114.556     .001.031.007.003   .851.9801.031736506.803      .776.9631.008     .934.9981.054
分类表(a)
        观察的                预测的
     F0+1对2-4   正确百分比
    .00     1.00
 F0+1对2-4整体百分比     .001.00     248     557      82.887.786.2
a分界值是.500
12.用于SNIFFA 3o，采用3种纤维化的标志物：
    B     S.D.    Signif.        Exp(B)         Exp(B)的CI95.0％
    较低     较高
 PTALATALP常数   -.301-.036.04027.447    .095.013.0169.265     .002.007.010.003         .740.9651.041831966014903.050     .614.9401.010     .892.9901.073
分类表(a)
       观察的                预测的
       F0+1对2-4   正确百分比
    .00     1.00
 F0+1对2-4整体百分比     .001.00     234     361      88.593.892.3
a分界值是.500
13.用于SNIFFA 4a，采用3种纤维化的标志物+年龄：
      B     S.D.   Signif.    Exp(B)      Exp(B)的CI95.0％
    较低     较高
 AGEALATHYALUA2M常数     -.099-.032.036.01 9-.3 10    .049.015.013.0082.437    .042.027.007.017.899     .906.9681.0361.019.734     .823.9411.0101.003     .996.9961.0641.035
分类表(a)
        观察的                 预测的
       F0+1对2-4   正确百分比
    .00     1.00
阶段1  F0+1对2-4整体百分比     .001.00     23.7     454      85.288.587.5
a分界值是.500
14.用于SNIFFA 4ao，采用3种纤维化的标志物+年龄：
等式中的变量
     B     S.D.     Wald   ddl    Signif.    Exp(B)        Exp(B)的CI95.0％
    较低    较高
 ALATHAA2MAGE常数   -.042.034.029-.1761.038     .017.012.012.0722.549    6.0927.6946.4005.968.166    11111     .014.006.011.015.684     .9591.0341.030.8382.825     .9271.0101.007.728    .9911.0591.053.966
分类表(a)
         观察的                 预测的
     F0+1对2-4   正确百分比
    .00     1.00
 阶段  F0+1对2-4整体百分比     .001.00     244     355      88.993.291.9
a分界值是.500
15.用于SNIFFA 4b，采用4种纤维化的标志物：
      B     S.D.    Signif.       Exp(B)     Exp(B)的CI95.0％
    较低    较高
 PTALATALPRAT常数     -.187-.026.036-.73916.629    .054.010.012.4275.327     .001.012.004.083.002       .830.9741.036.47716674698.481      .746.9551.012.207      .923.9941.0611.103
分类表(a)
        观察的                预测的
       F0+1对2-4   正确百分比
    .00     1.00
 F0+1对2-4整体百分比     .001.00     257     458      86.289.288.3
a分界值是.500
RAT＝ASAT/ALAT
16.用于SNIFFA 4bo，采用4种纤维化标志物：
     B     S.D.  Signif.           Exp(B)     Exp(B)的CI95.0％
低 高
 PTALATALPRAT常数    -.435-.058.088-1.95839.515     .165.023.033.81815.768    .008.012.007.017.012   .648.9441.092.141144962082235443400.000   .469.9021.025.028   .894.9881.164.701
分类表(a)
        观察的                 预测的
       F0+1对2-4   正确百分比
    .00     1.00
 F0+1对2-4整体百分比     .001.00     234     259      92.093.793.2
a分界值是.500
RAT＝ASAT/ALAT
采用不同分界值的优化的SNIFF 4b2o变体，以消除Métavir F0假阳性，β系数没有变化。
         观察的                 预测的
      F0+1对2-4   正确百分比
    .00     1.00
 F0+1对2-4整体百分比     .001.00     244     159      96.093.794.3
分界值是.550
17.用于SNIFFA 4c，采用3种纤维化的标志物+年龄：
     B     S.D.   Signif.        Exp(B)       Exp(B)的CI95.0％
   较低   较高
 HAA2MAGEPT常数     .032.015-.140-.16916.541     .012.008.058.0677.858     .007.068.015.012.035         1.0321.015.869.84515263638.220     1.009.999.776.741   1.0561.032.973.963
        观察的                 预测的
       F0+1对2-4   正确百分比
    .00     1.00
 F0+1对2-4整体百分比     .001.00     255     256      92.691.892.0
分类表.分界值为0.50。
18.对于SNIFFA 4co，采用3种纤维化的标志物+年龄：
    B     S.D.   Signif.   Exp(B)      Exp(B)的CI95.0％
  较低    较高
 HAA2MAGEPT常数    .078.049-.550-.62968.252    .031.024.219.26629.471    .013.047.011.018.021   1.0811.050.571.533438086735113701800000000000000.0  1.0171.001.372.316    1.1501.101.878.898
         观察的                 预测的
      F0+1对2-4   正确百分比
    .00     1.00
 F0+1对2-4整体百分比     .001.00     252     058      100.096.797.6
分类表.分界值为0.62。
19.用于SNIDAFF 6a，采用5种纤维化的标志物：
      B      S.D.   Signif.    Exp(B)      Exp(B)的CI95.0％
    较低     较高
 AGE血小板PTASATALPA2M常数     .031-.006-.076.008.007.0064.575     .012.002.015.004.003.0011.602     .008.002.000.040.036.000.004     1.032.994.9271.0081.0071.00697.048     1.008.990.9001.0001.0001.003     1.056.998.9561.0161.0141.009
分类表(a)
        观察的               预测的
      F0+1对2-4   正确百分比
    .00     1.00
 F0+1对2-4整体百分比     .001.00     11434     40189      74.084.880.4
a分界值是.470
20.用于SNIDAFF 6b，采用5种纤维化标志物：
      B     S.D.   Signif.   Exp(B)      Exp(B)的CI95.0％
    较低     较高
 AGE血小板PTASATALP脲常数     .061-.010-.101.017.015-.1577.817     .012.002.017.004.004.0661.741     .000.000.000.000.000.017.000    1.063.990.9041.0171.015.8552483.002     1.038.986.8741.0081.007.751     1.089.995.9351.0261.023.973
分类表(a)
         观察的                预测的
      F0+1对2-4   正确百分比
    .00     1.00
 F0+1对2-4整体百分比     .001.00     10935     60215      64.586.077.3
a分界值是.400
21.用于SNIAH：
等式中的变量
      B     S.D.     Wald   ddl   Signif.     Exp(B)
 阶段   ALAT常数     .010-.474    .002.200     22.5755.601    11     .000.018     1.010.622
分类表(a)
        观察的                预测的
       ACTIVICS   正确百分比
    .00     1.00
 阶段  ACTIVICS整体百分比     .001.00     5733     93193      38.085.466.5
a分界值是.500
22.用于SNIAH o：
      B     S.D.   Signif.    Exp(B)       Exp(B)的CI95.0％
     低      高
  ALAT常数     .018-1.003     .003.237     .000.000     1.018.367     1.012     1.024
        观察的                 预测的
       ACTVICS   正确百分比
    .00     1.00
  ACTIVICS整体百分比     .001.00     7359     71167      50.773.964.9
a分界值是.500
23.用于SNIFFSA3：
等式中的变量
     B     S.D.   Signif.   Exp(B)        Exp(B)的CI95.0％
     较低     较高
 血小板PTNA常数     -.012-.090-.34859.293     .006.040.15822.781    .047.025.027.009   .988.914.70656312993793815500000000000.000     .976.844.518     1.000.989.962
分类表(a)
         观察的                预测的
      F＜2对＞＝2   正确百分比
    .00     1.00
 F＜2对＞＝2整体百分比     .001.00     181     220      90.095.292.7
a分界值是.500
24.用于SNIFFSA4a：
      B     S.D.   Signif.    Exp(B)      Exp(B)的CI95.0％
    较低     较高
 PTAGE糖血ASAT常数     -.143.130.566.0251.134     .051.049.333.0145.286     .005.008.089.073.830     .8661.1391.7611.0253.107     .7831.034.917.998     .9581.2543.3831.053
         观察的                    预测的
        F＜2对＞＝2   正确百分比
    .00      1.00
 F＜2对＞＝2整体百分比     .001.00     254      125      96.286.290.9
分界值是.500
25.用于SNIFFSA4ao：
      B      S.D.   Signif.    Exp(B)      Exp(B)的CI95.0％
    较低     较高
  PTAGE糖血ASAT常数     -.362.4071.424.089-2.362     .184.205.962.0538.803     .050.047.139.092.788     .6961.5034.1541.093.094     .4851.006.630.986     .9992.24527.3841.212
          观察的                预测的
      F＜2对＞＝2   正确百分比
    .00     1.00
 F＜2对＞＝2整体百分比     .001.00     241     127      96.096.496.2
a分界值是.500
26.用于SNIFFSA4b：
      B     S.D.   Signif.    Exp(B)        Exp(B)的CI95.0％
    较低     较高
  PTAGE糖血甘油三酯常数     -.105.140.931-1.889-1.697     .047.057.3571.0235.243     .026.014.009.065.746     .9001.1502.537.151.183     .8211.0291.261.020     .9871.2865.1071.122
        观察的                预测的
     F＜2对＞＝2   正确百分比
    .00     1.00
阶段1 F＜2对＞＝2整体百分比     .001.00     212     222     91.391.791.5
a分界值是.500
27.用于SNIFFAV 5：
等式中的变量
     B    S.D.   Signif.    Exp(B)      Exp(B)的CI95.0％
    较低     较高
  血小板PTHAA2M脲常数     -.008-.051.019.007-.1994.648   .002.017.004.001.0651.665     .000.002.000.000.002.005     .992.9501.0201.007.819104.330     .988.9201.0111.004.721     .997.9821.0281.010.931
分类表(a)
        观察的                 预测的
       F0+1对2-4   正确百分比
    .00     1.00
 阶段   F0+1对2-4整体百分比     .001.00     13140     28186      82.482.382.3
a分界值是.500
28.用于SNIFFAV 5o：
    B     S.D.   Signif.    Exp(B)      Exp(B)的CI95.0％
    较低     较高
  PLTPT脲HAA2M常数   -.009-.076-.314.035.0087.105    .002.020.083.007.0022.036     .000.000.000.000.000.000     .991.927.7311.0361.0081218.006     .986.891.6211.0211.005     .996.964.8611.0511.012
分类表
         观察的                预测的
       F0+1对2-4   正确百分比
    .00     1.00
  F0+1对2-4整体百分比     .001.00     12130     29194      80.786.684.2
分界值是.490
29.用于SNIFFAV 6：
等式中的变量
    B     S.D.    Signif.    Exp(B)      Exp(B)的CI95.0％
    较低     较高
 血小板PTHAA2M病因脲常数   -.008-.052.023.0071.086-.2713.124    .002.016.005.001.442.0731.752     .000.002.000.000.014.000.075     .992.9501.0241.0072.963.76222.737     .988.9201.0141.0041.247.660     .996.9811.0331.0107.043.880
分类表(a)
         观察的                 预测的
       F0+1对2-4   正确百分比
    .00     1.00
 阶段  F0+1对2-4整体百分比    .001.00     13338     26188      83.683.283.4
a分界值是.500
30.用于SNIFFAV 6o：
      B     S.D.    Signif.    Exp(B)      Exp(B)的CI95.0％
    较低     较高
 PLTPT脲HAA2METIO常数     -.010-.055-.396.041.008-1.6485.974   .003.018.090.008.002.5171.925     .000.002.000.000.000.001.002     .990.946.6731.0421.008.192392.931     .985.913.5641.0261.005.070     .995.981.8031.0581.011.530
         观察的                  预测的
       F0+1对2-4   正确百分比
    .00     1.00
   F0+1对2-4整体百分比     .001.00     12336     29189      80.984.082.8
分界值是.500。可能会注意的是有效性的增加并不是关于诊断有效性(82.8比83.4％)，而是关于其他有效性指数，例如ROC曲线下的面积(0.910对0.890)。
通过使用下面程序的被称作多元线性回归的统计方法获得SNIAFF、SNIAFFA、SNIAFFSA、SNIAFFAV和SNIDIFFAV评分：
首先在单变量分析中测试自变量。
第二步中，对在单变量分析中有显著性的变量在多变量分析中通过线性回归以逐步递增或递减的选择进行测试。
通过下面的等式描述线性统计模型：
yi＝a+β1x1+β2x2+...
其中a是常数，βi是每种自变量xi的系数，Yi是因变量(纤维化的面积)。
下面我们提供了每种评分的表格，其中第一列是每种自变量的名称，第二列是系数β的数值，接着是其标准偏差，接着是标准化的系数β，最后两列是的在95％时，系数β的置信区间。
对于以上本发明变体中定义的每种评分，模型的整体预测值是在第二表格中由对每个模型进行调节的系数R-2所反映，其为由模型的自变量所说明的yi的变化百分率。
对于可适用等式中的每种评分，每种自变量xi的系数βi可从对应于所述评分±3.3标准偏差的表格中所提供的值β变化，表格中也提供了该值。类似地，a0可从表格中所提供的常数值±3.3标准偏差变化。
31.用于SNIAFF 5，采用5种纤维化的标志物：
模型概述
  模型     R    R-2   调节的R-2   评估的标准误差
  .809   .655     .645     3.03260
GAPRI＝((GGT/45)/PLT)×100
32.用于SNIAFF 6a：
    未标准化的系数   标准化的系数   显著性       B的95％置信区间
      B   标准误差     β      下限     上限
 (常数)GAPRIGGTHAAPOAlBILI     9.4913.037-.034.015-1.666.091     1.168.317.005.003.639.037 1.033-.652.283-.122.122     .000.000.000.000.010.015     7.1862.411-.044.010-2.927.018     11.7973.664-.024.021-.404.164
模型概述
  模型     R   R-2   调节的R-2   评估的标准偏差
  .798   .637     .625      3.13055
    未标准化的系数  标准化的系数   显著性      B的95％置信区间
      B  标准误差       β     下限     上限
 (常数)HAGAPRIGGTBILIA2M脲     6.739.0172.945-.037.106.005-.203    .885.003.327.005.037.002.089 .2971.130-.842.139.116-.107     .000.000.000.000.005.020.024     4.992.0112.301-.047.033.001-.378     8.485.0223.590-.027.1 80.010-.027
GAPRI＝((GGT/45)/PLT)×100
33.用于SNIAFF 6b：
系数
 模型      R    R-2    调节的R-2    评估的标准偏差
   .802    .643       .631        3.10748
     未标准化的系数   标准化的系数   显著性      B的95％置信区间
      B  标准误差       B     下限     上限
 (常数)HAGAPRIGGTBILIGGLOB脲     6.014.0162.844-.035.111.156-.188     .981.003.327.005.037.053.088 .2861.094-.803.145.145-.100     .000.000.000.000.003.004.033     4.077.0102.199-.045.038.051-.362     7.950.0223.489-.025.1 85.261-.015
GAPRI＝((GGT/45)/PLT)×100
34.用于SNIAFFA 2：
模型概述
     R    R-2    调节的R-2    评估的标准偏差
   .897    .804       .798       6.15243
系数
      未标准化的系数    标准化的系数    显著性       B的95％置信区间
      B   标准误差      β      下限     上限
 (常数)A2MHA     3.105.019.065     2.270.008.004 .130.854     .176.019.000     -1.420.003.056     7.631.035.073
35.用于SNIAFFA 3：
模型概述
     R     R-2  调节的R-2   评估的标准偏差
   .902    .814    .806      6.03664
系数
    未标准化的系数  标准化的系数   显著性    B的95％置信区间
     B  标准误差       β    下限    上限
 HAA2M体重    .062.020.124    .004.008.057     .824.134.116     .000.014.032     .054.004.011     .071.035.238
36.用于SNIAFFA 4，使用3种纤维化的标志物：
      未标准化的系数    标准化的系数   显著性       B的95％置信区间
      B   标准误差      β     下限     上限
 (常数)HYAMPRI体重PIIIPA2M   -17.4924.242.2554.010.024     5.040.504.0681.273.010 .605.236.224.164     .001.000.000.002.013    -27.5543.235.11 81.469.005     -7.4295.249.3916.552.043
HYAMPI：(HA×A2M)/(A2M×100)
 模型      R     R-2  调节的R-2   评估的标准偏差
   .866    .750    .735      7.11277
37.用于SNIAFFA 40，采用3种纤维化的标志物：
     未标准化的系数    标准化的系数   显著性        B的95％置信区间
      B   标准误差      β      下限     上限
 (常数)HYAMPRI重量A2MPIIIP    -6.8805.470.128.0162.521     4.356.478.057.0081.064 .752.119.113.148     .119.000.028.034.021     -15.5904.515.014.001.394     1.8316.426.242.0324.649
 模型      R     R-2  调节的R-2   评估的标准偏差
   .920    .846     .836      5.49377
38.用于SNIAFFA 4a，采用3种纤维化的标志物：
     未标准化的系数   标准化的系数   显著性        B的95％置信区间
    B   标准误差     β     下限     上限
 (常数)HYAMPRIAMTRI重量  -10.1224.285.022.209     4.720.473.005.071 .624.285.191    .035.000.000.004     -19.5333.341.011.067     -.7115.228.033.35 1
HYAMPRI：(HA×A2M)/(A2M×100)，AMTRI：(A2M/PT)×100
 模型      R    R-2  调节的R-2   评估的标准偏差
   .848    .719    .707      7.49622
39.用于SNIAFFA 4b，采用3种纤维化的标志物：
      未标准化的系数   标准化的系数   显著性        B的95％置信区间
      B   标准误差      β      下限      上限
 (常数)HA重量AMTRI    -10.670.042.213.023     4.637.005.070.005 .613.197.300    .024.000.003.000     -19.917.032.073.012     -1.422.051.352.033
AMTRI：(A2M/PT)×100
 模型      R     R-2   调节的R-2   评估的标准偏差
   .853    .727     .715      7.35058
40.用于SNIAFFA 4co，采用3种纤维化的标志物：
      未标准化的系数    标准化的系数   显著性       B的95％置信区间
     B   标准误差      β      下限     上限
 (常数)HAMPRIHYATRIAMPRIHYAMTRIHYAMPRI    3.693-.700-.021.026.5178.853     1.680.314.007.010.1581.293 -.308-.551.227.3981.243    .032.029.003.009.002.000     .337-1.328-.035.007.2016.269     7.049-.073-.007.045.83211.437
HAMPRI＝(HA×A2M)/(PLT×100)，HYATRI：(HA/PT)×100，AMPRI：(A2M/PLT)×100，HYAMTRI：(HA×A2M)/(PT×100)，HYAMPRI：(HA×A2M)/(A2M×100)。
 模型     R    R-2    调节的R-2    评估的标准偏差
   .922    .849      .837        5.50329
41.用于SNIAFFAV4：
      未标准化的系数  标准化的系数   显著性       B的95％置信区间
      B   标准误差        β     下限     上限
 (常数)HAPTBILIA2M    20.659.026-.180.208.010     4.496.003.041.043.004 .413-.236.238.110     .000.000.000.000.008    11.805.020-.261.123.003    29.513.033-.098.292.017
 模型      R    R-2   调节的R-2   评估的标准偏差
   .774    .599      .593      6.30666
42.用于SNIAFFAV 5：
模型概述
 模型      R    R-2    调节的R-2     评估的标准偏差
   .880    .775       .770       3.95555
系数
     未标准化的系数    标准化的系数   显著性       B的95％置信区间
      B   标准误差       β      下限     上限
 (常数)血小板PT脲HA病因    19.405-.006-.063-.231.049-2.206     2.884.003.028.105.003.667 .059-.094-.073.729-.119     .000.077.025.028.000.001     13.724-.013-.118-.437.043-3.520     25.085.001-.008-.025.055-.893
43.用于SNIAFFAV 5b：
     未标准化的系数   标准化的系数   显著性      B的95％置信区间
     B   标准误差      β     下限    上限
 (常数)HAPT脲BILIA2M     21.371.026-.173-.294.197.011     4.489.003.041.155.043.004 .412-.227-.077.226.120     .000.000.000.060.000.004     12.530.020-.255-.600.112.003     30.212.033-.092.012.282.018
 模型      R    R-2     调节的R-2    评估的标准偏差
   .778    .605      .597       6.27506
44.用于SNIAFFAV 5bo：
      未标准化的系数  标准化的系数   显著性      B的95％置信区间
     B   标准误差      β    下限     上限
 (常数)HAPT脲BILIA2M    11.229.037-.065-.264.174.007     3.549.003.033.118.034.003 .602-.095-.078.223.086     .002.000.049.027.000.015     4.238.032-.130-.497.107.001     18.220.043.000-.031.240.013
 模型     R    R-2   调节的R-2   评估的标准偏差
   .848    .719      .713      4.73071
45.用于SNIAFFAV 5co：
      未标准化的系数    标准化的系数   显著性        B的95％置信区间
      B   标准误差       β      下限     上限
 (常数)HABILIHYAMTRIetio     9.300.032.126.313-1.972     1.387.004.031.073.658 .496.164.255-.104     .000.000.000.000.003     6.568.024.065.169-3.268     12.032.041.187.457-.676
HYAMTRI：(HA×A2M)/(PT×100)
 模型      R    R-2   调节的R-2   评估的标准偏差
   .888    .789      .785      3.90275
46.用于SNIAFFAV8：
      未标准化的系数    标准化的系数   显著性       B的95％置信区间
     B   标准误差      β      下限     上限
 (常数)BILIAMTRIGLOPRIHYAPRIHAA2MGAPRIAPRI     1.443.166.035.493-.040.050-.029.704-2.120     1.211.039.007.078.006.005.009.138.575 .192.531.352-.653.801-.333.321-.231     .234.000.000.000.000.000.002.000.000     -.941.089.020.339-.053.039-.047.432-3.252     3.828.243.049.646-.028.061-.011.976-.989
AMTRI：(A2M/PT)×100，GLOPRI：(GLB/PLT)×100，HYAPRI：(HA/PLT)×100，GAPRI＝((GGT/45)/PLT)×100，APRI＝(ASAT/PLT)×100
 模型     R    R-2   调节的R-2   评估的标准偏差
   .836    .699      .689      5.45747
47.用于SNIDIFFAV 4a：
模型概述
 模型     R    R-2   调节的R-2   评估的标准偏差
   .826    .682      .660      .11630
系数
    未标准化的系数  标准化的系数   显著性      B的95％置信区间
     B  标准误差       β    下限    上限
 (常数)PTHAA2MALB   1.621-.003.000.001-.011    .169.002.000.000.003 -.248.259.277-.361     .000.057.041.001.001     1.283-.006.000.000-.017     1.959.000.001.001-.004
48.用于SNIDIFFAV4b
系数
     未标准化的系数  标准化的系数   显著性      B的95％置信区间
     B   标准误差       β     下限     上限
 (常数)AGEALBA2MPT   1.727.002-.012.001-.004     .136.001.003.000.001 .155-.397.266-.372     .000.061.000.001.001     1.455.000-.018.000-.007     1.999.005-.006.001-.002
模型概述
 模型      R    R-2     调节的R-2     评估的标准偏差
   .827    .684       .662       .11631
49.用于SNIDIFFAV 6：
    未标准化的系数  标准化的系数    显著性       B的95％置信区间
     B   标准误差        β     下限     上限
 (常数)AGEALBA2MPTRAT   1.553.003-.010.001-.004.041     .159.001.003.000.001.020 .176-.336.267-.338.167     .000.031.002.001.002.050     1.235.000-.016.000-.007.000     1.870.005-.004.001-.002.081
 模型      R    R-2    调节的R-2     评估的标准偏差
   .838    .702       .676       .11340
50.用于SNIAFFSA4：
     未标准化的系数  标准化的系数   显著性       B的95％置信区间
     B   标准误差       β     下限    上限
 (常数)PTAGEGGLOB重量    21.259-.249.1 32.987-.073     11.052.089.076.308.042 -.386.214.455-.219     .065.010.092.003.091     -1.418-.432-.023.355-.159    43.937-.065.2881.618.012
 模型      R    R-2     调节的R-2     评估的标准偏差
   .780    .608      .550       5.36161
51.用于SNIAFFSA 6：
     未标准化的系数    标准化的系数   显著性       B的95％置信区间
     B   标准误差       β      下限     上限
 (常数)重量BMIHYAPRIGLOPRIHYATRI     .501-.223.551-.1501.722.094     3.705.074.240.044.249.027 -.685.520-1.421.9651.313     .893.006.030.002.000.002     -7.115-.376.059-.2401.211.039     8.118-.0711.044-.0612.234.150
 模型    R   R-2   调节的R-2   评估的标准偏差
  .853   .727     .675      4.53214
52.用于SNIAFFSA6o：
     未标准化的系数    标准化的系数   显著性      B的95％处置信区间
     B   标准误差      β      下限     上限
 (常数)重量BMIHYAPRIGLOPRIHYATRI   1.774-.204.489-.0861.578.049     2.805.057.184.036.193.023 -.725.537-.9431.029.784     .533.002.014.026.000.041     -4.016-.322.109-.1621.180.002     7.564-.086.869-.0111.976.097
 模型    R   R-2   调节的R-2   评估的标准偏差
  .898   .806     .766      3.40834
下面以说明的方式提供的实施例将描述本发明的其它优点和特征，其中将参考附图，在附图中：
-图1表示对于临床上显著的纤维化从SNIFF 7bo评分获得的ROC曲线。统计学C(或ROC曲线下的面积)是0.910±0.016；
-图2表示采用7种变量的SNIFF 7bo评分与Métavir F评分对比的盒形图(中值，四分位，端值)(参照是通过LNB检测的)；
-图3表示采用7种变量的SNIFF 7bo评分的分布与Métavir F评分的对比(参照是通过LNB检测的)；
-图4表示采用7种变量的SNIFF 7bo评分的预测组的分布作为Métavir F评分的函数(≥F2：0：不是，1：是)；
-图5表示SNIFF 5的诊断有效性作为其值的函数；
-图6表示采用5种变量的SNIAFF与纤维化面积之间的关系。将其与图3(采用7种变量的SNIFF 7bo与F评分之间的关系)进行比较，因为它们为病毒性肝脏疾病的最佳指示物；
-图7表示采用4种变量的SNIFFA 4bo与F评分之间的关系(图7A)，以及采用4种变量的SNIAFFA 4o与纤维化面积之间的关系(图7B)(酒精性肝脏疾病的最佳指示物)，FCS：临床上显著的纤维化；
-图8表示在同样238个患者的人群中采用7种变量的Fibrobest(C指数：0.839)与采用7种变量的SNIFF 7o(C指数：0.900)的ROC曲线之间的比较。该差别是统计学上显著的(通过Hanley-McNeil方法，p＝0.0036)；
-图9表示在同样238个患有病毒性肝炎的患者人群中采用7种变量的Fibrobest与采用7种变量的SNIFF 7o的盒形图之间的比较。对于Métavir F0和F1阶段，SNIFF 7bo的盒形图比Fibrotest 7的低，对于Métavir F2、F3和F4阶段，则比Fibrotest 7的高，这样解释了SNIFF 7bo对于临床上显著的纤维化较好的区分能力，其为相对于Fibrotest的分界值0.50以及SNIFF 7bo的分界值0.29确定的。
实施1：确定SNIFF评分
A. 患者
取出具有慢性肝脏疾病的患者的血液样品。根据优良实验规范(good laboratory practice)确定该生物血液的简单变量。其结果表达为之前所详细描述的单位。
B. 测定方法
通过放射免疫测定技术(Kabi-Pharmacia RIA Diagnostics，Uppsala，Sweden)检测血液样品中的透明质酸盐浓度。
通过使用Behring浊度计分析仪的免疫比浊确定A2M浓度。试剂为兔抗-人A2M抗血清。
从快速时间(QT)检测凝血酶原时间，其中QT是通过将钙促凝血酶原激酶(例如Neoplastin CI plus，Diagnostica Stago，Asnières，France)加入到血浆中被确定的，并以秒检测凝血时间。为了获得凝血酶原时间(PT)，从一组被评估为100％的正常血浆的各种稀释液绘制了校准曲线。
C. 计算SNIFF评分
独立(或简单)变量的结果以其自身使用或者在适当的情况下被转化为组合变量后使用。所有这些变量都被包括在逻辑回归公式中。通过实施例，并在已经描述的表格以及已经描述的公式应用的实施例的基础上，希望使用采用4种标志物的SNIFF 4a评分的本领域技术人员能够通过利用下面的公式：
P＝1/(1+exp(-a0-a1(HA，μg/l)-a2(PT，％)-a3(A2M，mg/dl)＝a4(年龄，年))
即：
P＝1/(1+exp(-2.365-(0.011×(HA，μg/l))-(-0.062×(PT，％))-(0.006×(A2M，mg/dl))-(0.030×(年龄，年)))
提供了两个相反的实施例：
 病例  HA(μg/l)  PT(％)  A2M(mg/dl)  年龄(年)   概率
  1     273    90     374    64.0    0.981
  5     25    89     157    30.2    0.273
根据固定在0.5的分界值，病例1将被分类为具有临床上显著的肝纤维化，病例5将被分类为不具有任何纤维化。
实施例2：本发明评分的有效性，本发明的评分与现有技术的方 法所得到的结果的比较
ROC曲线(图1)代表了作为测试数值的函数的特异性和灵敏度。其是通过指数C进行检测的，其中指数C被认为从0.7与临床上相关。曲线越靠近方框的左上角(100％的特异性和灵敏度)，就越好。这是通过在ROC曲线下的面积(AUROC)进行检测的，也被称作统计学C。可以将这些AUROC进行比较，这样另外的优点可通过根据本发明SNIFF评分的令人吃惊的作用得到证实(图8)。
在本发明的测试中所获得的指数C具有数值为0.841±0.025的SNIFF 5评分，以及数值为0.910±0.016的SNIFF 7 bo评分(图8)。因此，这些数值C是临床上相关的。
在图2中所表示的盒形图显示了根据Métavir F阶段的SNIFF种类的统计学分布：中值(粗体水平黑线)、四分位(灰色长方形的上限和下限)以及端值(末端的水平直线)。所涉及的评分是SNIFF 7bo评分。
图3涉及与图2的结果相同的表示，但其显示使用7种变量所获得的个体SNIFF原始数据作为Métavir F评分的函数。也显示了被预测的组：≥F2：0(正方形)：不是，1：是(圆形)(图3)。该图能清楚地看出评分上的重叠，特别是在Métavir F2和F3阶段之间。另一方面，在人数众多的情况下，其难以考虑分布，特别是因为个体数值的重叠。
图4是前图(图3)的不同表示，其中通过所预测的临床上显著纤维化的预测组，将这些患者集合起来：≥F2：0(灰色)：不是，1：是(黑色)。这分别对应于图3中的正方形和圆形。SNIFF不会错误地分类F0和F4的病人，以及非常少的F3病人被分错(在图4的SNIFF 7bo情况下没有)。换句话说，实际上，对于不存在纤维化或者存在硬化，SNIFF 7bo正确地分类了100％的患者。
通过前面的附图可以猜测，通过图5可以清楚地看出诊断有效性对于低数值和高数值评分是非常好的，而对于中等数值评分则会降低。所以，对于50.0％的患者来说，通过SNIFF 5的诊断效率为90.8％(图5)。
采用7种变量的SNIFF 7评分提供了比采用5个变量的SNIAFF 50指数(r＝0.803，p＜10-4)低的纤维化评估：r＝0.769，p＜10-4。
这种比较显示纤维化面积的评估评分(图6)是比纤维化的SNIFF评分更可靠(精确)的指示物。
类似的，采用4种变量的SNIFFA 4bo评分提供了比采用4种变量的SNIFFA 4o指数(r＝0.914，p＜10-4)低的纤维化评估：r＝0.847，p＜10-4。
这种比较也显示纤维化面积的SNIAFFA评估评分是比也发生在酒精性肝脏疾病中的纤维化(图7)的SNIFFA评分更可靠(精确)的指示物。
SNIFF有效性与Fibrotest有效性的比较显示Fibrotest 7对比SNIFF 7的诊断效率是74.2％比82.1％。AUROC使得能显示有效性的差别是统计学上非常显著的(图8)。图9通过图表显示相对于Fibrotest7，SNIFF7具有更好的区分能力。
参考文献
1.Oberti F，Valsesia E，Pilette C，Rousselet M，Bedossa P. Aubé C eta1，Calès P. Noninvasive diagnosis of hepatic fibrosis or cirrhosis(肝纤维化或硬化的非侵入式诊断).Gastroenterology 1997；113：1609-16.
2.Croquet V，Vuillemin E，Ternisien C，Pilette C，Oberti F，Gallois Y，Trossaert M，Rousselet MC，Chappard D，Calès P. Prothrombin index is anindirect marker of severe liver fibrosis(凝血酶原指数为严重肝脏纤维化的间接标志物).Eur J Gastroenterol Hepatol 2002；14：1133-41.
3.Pilette C，Calès P. Existe-t-il des marqueurs sanguins de fibrosehépatique utilisables en pratique clinique？(存在可用在临床实践中的肝纤维化的血液标志物？)Rev Med Interne 2002；23：885-8.
4.Pilette C，Rousselet M，Bedossa P，Chappard D，Oberti F，Rifflet Het al，Calès P. Histopathological evaluation ofliver fibrosis：quantitativeimage analysis vs semi-quantitative scores：comparison with serummarkers(肝脏纤维化的组织病理学评价：定量图像分析相对半定量的评分：与血清标志物的比较).J Hepatol1998；28：439-46.
5.AubéC，Oberti F，Korali N，Korali N，Namour A，L et al，Calès P.Ultrasonographic diagnosis ofhepatic fibrosis or cirrhosis(肝纤维化或硬化的超声检查诊断).J Hepatol1999；30：472-8.
6.Moal F，Chappard D，Wang J，Vuillemin E，Michalak-Provost S，Rousselet MC，Oberti F，Calès P.Fractal dimension can distinguishmodels and pharmacological changes in liver fibrosis in rats(分形维数可区分大鼠肝脏纤维化中的模式和药理学变化).Hepatology 2002；36：840-9.
7.Michalak S，Rousselet MC，Bedossa P，Pilette C，Chappard D，Oberti F，Gallois Y，Calès P. Respective role of porto-septal fibrosis andcentrolobular fibrosis in alcoholic liver diseases(肝门-中隔纤维化和小叶中心纤维化在酒精性肝脏疾病中的各自作用).J Pathol 2003；201：55-62.

Claims (28)

1.诊断个体中肝脏病理的存在和/或严重性和/或监控个体中肝脏病理的治疗性处理的有效性的方法，包括建立至少一种非侵入式诊断性评分，尤其是用于肝门和中隔纤维化的诊断性评分，和/或用于纤维化面积的评估评分，和/或用于分形维数的评估评分，其通过下列步骤来实现：
a’)为了确定纤维化的面积或者分形维数，
在来自所述个体的样品中检测至少一种选自α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)、载脂蛋白Al(ApoAl)、III型前胶原N-末端前肽(P3P)、γ-谷氨酰转肽酶(GGT)、胆红素、γ-球蛋白(GLB)、血小板(PLT)、凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)、丙氨酸转氨酶(ALAT)、脲、钠(NA)、糖血、甘油三酯、白蛋白(ALB)、碱性磷酸酶(ALP)、YKL-40(人软骨糖蛋白39)、基质金属蛋白酶1组织抑制剂(TIMP-1)、基质金属蛋白酶2(MMP-2)和铁蛋白的变量；
a)为了建立用于肝门和中隔纤维化的诊断性评分，在来自所述个体的样品中检测至少三种选自α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)、载脂蛋白A1(ApoA1)、III-型前胶原N-末端前肽(P3P)、γ-谷氨酰转肽酶(GGT)、胆红素、γ-球蛋白(GLB)、血小板(PLT)、凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)、丙氨酸转氨酶(ALAT)、脲、钠(NA)、糖血、甘油三酯、白蛋白(ALB)、碱性磷酸酶(ALP)、YKL-40(人软骨糖蛋白39)、基质金属蛋白酶1组织抑制剂(TIMP-1)、基质金属蛋白酶2(MMP-2)和铁蛋白的变量，
所述三种变量的至少一种是选自血小板(PLT)和凝血酶原时间(PT)；在恰好检测三种变量的情况下，这三种变量合起来不能是血小板(PLT)、凝血酶原时间(PT)和胆红素；优选地，所选择的至少三种变量合起来不为α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)和基质金属蛋白酶1组织抑制剂(TIMP-1)；
b)任选地，收集至少一种表征所述个体的临床变量；
为了所述用于肝门和中隔纤维化的诊断性评分，以上的步骤a)和b)使得至少4种变量被检测或收集，
c)将所述变量结合在逻辑或线性函数中，以获得用于肝门和中隔纤维化的诊断性评分，和/或用于所述纤维化面积的诊断性评估评分，和/或用于所述分形维数的诊断性评估评分；
d)基于实施步骤(c)所述结合时得到的评分，诊断所述病理的存在和/或严重性和/或所述治疗的有效性。
2.如权利要求1所述的方法，其特征在于表征所述个体的所述临床变量选自体重(重量)、体重指数、收集所述样品的时的年龄以及病因。
3.如权利要求1或2所述的方法，其特征在于在步骤(c)之前，将在步骤(a)或者(a’)中所检测的变量以及在步骤(b)中所收集的变量互相结合。
4.如权利要求1至3中任一项所述的方法，其特征在于所述肝脏病理选自病毒性起因的肝脏疾病、酒精性起因的肝脏疾病和脂肪变性。
5.如权利要求1至4中任一项所述的方法，其特征在于在所述方法的步骤(a)中，在来自所述个体的样品中检测4、5、6或7种变量。
6.如权利要求1至5中任一项所述的方法，其特征在于在所述方法的步骤(c)中将所述变量α-2巨球蛋白(A2M)和凝血酶原时间(PT)以及至少两种选自血小板(PLT)、天冬氨酸转氨酶(ASAT)、脲、透明质酸(HA)和年龄的变量进行结合。
7.如权利要求6所述的方法，其特征在于在步骤(c)中将下列变量进行结合：
-α-2巨球蛋白(A2M)、凝血酶原时间(PT)、透明质酸(HA)和年龄(被称作SNIFF 4a的评分)；
-α-2巨球蛋白(A2M)、凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)和年龄(被称作SNIFF 4b的评分)；
-α-2巨球蛋白(A2M)、凝血酶原时间(PT)、血小板(PLT)、天冬氨酸转氨酶(ASAT)和年龄(被称作SNIFF 5的评分)；
-α-2巨球蛋白(A2M)、凝血酶原时间(PT)、血小板(PLT)、天冬氨酸转氨酶(ASAT)、脲和透明质酸(HA)(被称作SNIFF 6的评分)；或者
-α-2巨球蛋白(A2M)、凝血酶原时间(PT)、血小板(PLT)、天冬氨酸转氨酶(ASAT)、脲、透明质酸(HA)和年龄(被称作SNIFF 7的评分)。
8.如权利要求1至5中任一项所述的方法，其特征在于除了凝血酶原时间(PT)变量之外，在所述方法的步骤(c)中还结合了至少3种选自天冬氨酸转氨酶(ASAT)、丙氨酸转氨酶(ALAT)和碱性磷酸酶(ALP)、年龄、透明质酸(HA或透明质酸盐)和α-2巨球蛋白(A2M)的变量。
9.如权利要求8所述的方法，其特征在于在步骤(c)中将下列变量进行结合：
-凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)、丙氨酸转氨酶(ALAT)和碱性磷酸酶(ALP)(被称作SNIFFA 4b的评分)，或者
-凝血酶原时间(PT)、年龄、透明质酸(HA或透明质酸盐)和α-2巨球蛋白(A2M)(被称作SNIFFA 4c的评分)。
10.如权利要求1至5中任一项所述的方法，其特征在于在所述方法的步骤(c)中结合了至少下列四种变量：透明质酸(HA或透明质酸盐)、γ-谷氨酰转肽酶(GGT)、胆红素和血小板(PLT)。
11.如权利要求10所述的方法，其特征在于在步骤(c)中还结合了至少2种、更优选至少4种选自α-2巨球蛋白(A2M)、脲、载脂蛋白A1(ApoA1)和γ-球蛋白(GLB)的变量。
12.如权利要求10或11所述的方法，其特征在于在步骤(c)中结合了以下变量：
-透明质酸(HA或透明质酸盐)、γ-谷氨酰转肽酶(GGT)、胆红素、血小板(PLT)和载脂蛋白A1(ApoA1)(被称作SNIAFF 5的评分)；
-透明质酸(HA或透明质酸盐)、γ-谷氨酰转肽酶(GGT)、胆红素、血小板(PLT)、α-2巨球蛋白(A2M)和脲(被称作SNIAFF 6a的评分)；或者
-透明质酸(HA或透明质酸盐)、γ-谷氨酰转肽酶(GGT)、胆红素、血小板(PLT)、脲和γ-球蛋白(GLB)(被称作SNIAFF 6b的评分)。
13.如权利要求1至5中任一项所述的方法，其特征在于结合了至少下列四种变量：血小板(PLT)、凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)和年龄。
14.如权利要求13所述的方法，其特征在于在步骤(c)中结合了至少一种、优选至少两种选自碱性磷酸酶(ALP)、α-2巨球蛋白(A2M)和脲的变量。
15.如权利要求13或14所述的方法，其特征在于在步骤(c)中结合了下列变量：
-血小板(PLT)、凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)、年龄、碱性磷酸酶(ALP)和α-2巨球蛋白(被称作SNIDAFF 6a的评分)；
-血小板(PLT)、凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)、年龄、碱性磷酸酶(ALP)和脲(被称作SNIDAFF 6b的评分)。
16.如权利要求1至5中任一项所述的方法，其特征在于除了凝血酶原时间(PT)变量之外，在所述方法的步骤(c)中还结合了至少3种选自天冬氨酸转氨酶(ASAT)、甘油三酯、年龄和糖血的变量。
17.如权利要求16所述的方法，其特征在于在步骤(c)中结合了下列变量：
-凝血酶原时间(PT)、天冬氨酸转氨酶(ASAT)、年龄和糖血(被称作SNIFFSA 4a的评分)，或者
-凝血酶原时间(PT)、甘油三酯、年龄和糖血(被称作SNIFFSA 4b的评分)。
18.如权利要求1至5中任一项所述的方法，其特征在于在所述方法的步骤(c)中结合下列6种变量中的至少5种：α-2巨球蛋白(A2M)、血小板(PLT)、凝血酶原时间(PT)、脲、透明质酸(HA或透明质酸盐)或病因。
19.如权利要求18所述的方法，其特征在于在步骤(c)中结合了下列变量：
-α-2巨球蛋白(A2M)、血小板(PLT)、凝血酶原时间(PT)、脲和透明质酸(HA或透明质酸盐)(被称作SNIFFAV 5的评分)；或者
-α-2巨球蛋白(A2M)、血小板(PLT)、凝血酶原时间(PT)、脲、透明质酸(HA或透明质酸盐)和病因(被称作SNIFFAV 6的评分)。
20.如权利要求1至5中任一项所述的方法，其特征在于除了凝血酶原时间(PT)变量之外，在本发明所述方法的步骤(c)中还结合了至少3种、优选至少4种、更优选5种或6种选自血小板(PLT)、脲、透明质酸(HA或透明质酸盐)、胆红素、α-2巨球蛋白(A2M)、γ-谷氨酰转肽酶(GGT)、γ-球蛋白(GLB)、天冬氨酸转氨酶(ASAT)和病因的变量。
21.如权利要求20所述的方法，其特征在于在步骤(c)中结合了下列变量：
-凝血酶原时间(PT)、透明质酸(HA或透明质酸盐)、胆红素和α-2巨球蛋白(A2M)(被称作SNIAFFAV 4的评分)，
-凝血酶原时间(PT)、血小板(PLT)、脲、透明质酸(HA或透明质酸盐)和病因(被称作SNIAFFAV 5的评分)，
-凝血酶原时间(PT)、脲、透明质酸(HA或透明质酸盐)、胆红素和α-2巨球蛋白(A2M)(被称作SNIAFFAV 5b的评分)，
-凝血酶原时间(PT)、透明质酸(HA或透明质酸盐)、胆红素、α-2巨球蛋白(A2M)和病因(被称作SNIAFFAV 5c的评分)，或者
-凝血酶原时间(PT)、血小板(PLT)、透明质酸(HA或透明质酸盐)、胆红素、α-2巨球蛋白(A2M)、γ-谷氨酰转肽酶(GGT)、γ-球蛋白(GLB)和天冬氨酸转氨酶(ASAT)(被称作SNIAFFAV 8的评分)。
22.根据权利要求1至5中任一项所述的方法，其特征在于在所述方法的步骤(c)中结合了下列5种变量的至少4种：α-2巨球蛋白(A2M)、白蛋白(ALB)、凝血酶原时间(PT)、透明质酸(HA或透明质酸盐)、丙氨酸转氨酶(ALAT)、天冬氨酸转氨酶(ASAT)和年龄。
23.如权利要求22所述的方法，其特征在于在步骤(c)中结合了下列变量：
-α-2巨球蛋白(A2M)、凝血酶原时间(PT)、白蛋白(ALB)和年龄(被称作SNIDIFFAV 4a的评分)，
-α-2巨球蛋白(A2M)、凝血酶原时间(PT)、白蛋白(ALB)和透明质酸(HA或透明质酸盐)(被称作SNIDIFFAV 4b的评分)，或
-α-2巨球蛋白(A2M)、白蛋白(ALB)、凝血酶原时间(PT)、丙氨酸转氨酶(ALAT)、天冬氨酸转氨酶(ASAT)和年龄(被称作SNIDIFFAV 6的评分)。
24.如权利要求1至5中任一项所述的方法，其特征在于除了凝血酶原时间(PT)变量之外，在所述方法的步骤(c)中还结合了至少3种选自α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)、血小板(PLT)和所述个体的重量的变量。
25.如权利要求24所述的方法，其特征在于在步骤(c)中结合了下列变量：
-凝血酶原时间(PT)、α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)和所述个体的重量(被称作SNIAFFA 4a的评分)；或者
-凝血酶原时间(PT)、α-2巨球蛋白(A2M)、透明质酸(HA或透明质酸盐)和血小板(PLT)(被称作SNIAFFA 4b和SNIAFFA 4c的评分)。
26.如权利要求1至5中任一项所述的方法，其特征在于除了凝血酶原时间(PT)、γ-球蛋白(GLB)和重量三种变量之外，在所述方法的步骤(c)中还结合了至少一种、优选至少两种选自透明质酸(HA或透明质酸盐)、血小板(PLT)、所述个体的年龄和BMI的变量。
27.如权利要求26所述的方法，其特征在于在步骤(c)中结合了下列变量：
-凝血酶原时间(PT)、γ-球蛋白(GLB)、重量和年龄(被称作SNIAFFSA 4的评分)，
-凝血酶原时间(PT)、γ-球蛋白(GLB)、重量、透明质酸(HA或透明质酸盐)、血小板(PLT)和BMI(被称作SNIAFFSA 6的评分)。
28.肝纤维化的诊断性测试，其特征在于其使用权利要求1至27中任一项所述的方法。
CNA200580023863XA 2004-05-14 2005-05-13 诊断个体中肝脏病理的存在和/或严重性和/或监控这种病理的治疗有效性的方法 Pending CN1985259A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
FR0405306A FR2870348B1 (fr) 2004-05-14 2004-05-14 Methode pour diagnostiquer la presence et/ou la severite d'une pathologie hepathique chez un sujet
FR0405306 2004-05-14
FR0411536 2004-10-28
FR0411536A FR2870349A1 (fr) 2004-05-14 2004-10-28 Methode pour diagnostiquer la presence et/ou la severite d'une pathologie hepatique chez un sujet et/ou pour suivre l'efficacite d'un traitement d'une telle pathologie
US60/622,886 2004-10-28

Publications (1)

Publication Number Publication Date
CN1985259A true CN1985259A (zh) 2007-06-20

Family

ID=35456978

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA200580023863XA Pending CN1985259A (zh) 2004-05-14 2005-05-13 诊断个体中肝脏病理的存在和/或严重性和/或监控这种病理的治疗有效性的方法

Country Status (6)

Country Link
US (1) US8489335B2 (zh)
EP (2) EP2458384A3 (zh)
CN (1) CN1985259A (zh)
ES (1) ES2455229T3 (zh)
FR (2) FR2870348B1 (zh)
WO (1) WO2005116901A2 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009140805A1 (zh) * 2008-05-21 2009-11-26 Lin Biaoyang 一种提高样本分类准确性的方法及试剂盒
CN102302358A (zh) * 2011-06-29 2012-01-04 内蒙古福瑞中蒙药科技股份有限公司 肝纤维化检测设备和系统
CN102439456A (zh) * 2009-03-19 2012-05-02 昂热大学 用于评估肝纤维化进展的非侵入方法
CN101497878B (zh) * 2008-01-30 2012-11-07 房学迅 特异性高效亲和膜ⅰ型基质金属蛋白酶(mt1-mmp)的多肽、蛋白及其应用
US9585613B2 (en) 2009-02-26 2017-03-07 Universite D'angers Diagnosis of liver fibrosis and cirrhosis
CN113748198A (zh) * 2018-12-28 2021-12-03 法国国家科学研究中心 用于生产细胞外囊泡的流体系统及相关方法

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2006201390B2 (en) * 2006-04-04 2010-03-11 The University Of Western Australia Method for predicting liver fibrosis and related pathologies
ES2457243T3 (es) * 2006-09-08 2014-04-25 The Chancellor, Masters And Scholars Of The University Of Oxford Diagnóstico clínico de una fibrosis hepática utilizando APOL1 de suero humano como biomarcador
WO2009092381A1 (en) 2008-01-23 2009-07-30 Herlev Hospital, Region Hovedstaden Ykl-40 as a general marker for non-specific disease
CN102257389A (zh) * 2008-08-28 2011-11-23 沙路特里亚制药有限责任公司 鉴定面临不良肝病事件风险的患者的筛选方法
NZ592241A (en) 2008-09-15 2012-11-30 Herlev Hospital Ykl-40 as a marker for gastrointestinal cancers
ES2621838T3 (es) 2008-11-18 2017-07-05 Universite D'angers Método in vitro no invasivo para la cuantificación de lesiones hepáticas
WO2010079253A2 (es) 2009-01-09 2010-07-15 Proyecto De Biomedicina Cima, S.L. Biomarcadores para el diagnóstico de fibrosis
ES2349836B1 (es) * 2009-04-29 2011-11-15 Fundacion Valme Metodo para el diagnostico de la fibrosis y/o la cirrosis hepatica enpacientes infectados con vhc o coinfectados con vih y vhc.
KR20120041175A (ko) 2009-05-14 2012-04-30 더 챈슬러 마스터즈 앤드 스칼라스 오브 더 유니버시티 오브 옥스포드 미량 존재하는 인간 혈장 단백질 바이오마커의 신규 패널을 이용한 간성 섬유증의 임상적 진단
TW201100801A (en) * 2009-06-18 2011-01-01 Atomic Energy Council Serum biomarkers and the testing methods for diagnosing liver fibrosis
EP2327988A1 (en) 2009-11-28 2011-06-01 Assistance Publique Hôpitaux De Paris Method for diagnosis of fibrotic diseases
FR2971256B1 (fr) 2011-02-09 2024-09-27 Bio Rad Pasteur Combinaison de biomarqueurs pour la detection et l'evaluation d'une fibrose hepatique
EP2498195A1 (en) 2011-03-11 2012-09-12 Centre Hospitalier Universitaire d'Angers Non-invasive method for assessing the presence or severity of liver fibrosis based on a new detailed classification
EP2600266A1 (en) 2011-12-02 2013-06-05 Biopredictive Method of diagnosis of fibrotic diseases
EP2684513A1 (en) 2012-07-13 2014-01-15 Universite D'angers Method for providing reliable non-invasive diagnostic tests
US9835631B2 (en) * 2013-04-15 2017-12-05 Nordic Bioscience A/S Combined biomarker measurement of fibrosis
ES2523903B1 (es) * 2013-04-30 2015-09-09 Fundación Pública Andaluza Progreso Y Salud Método de obtención de datos útiles para el diagnóstico diferencial de la fibrosis hepática
EP3027115B1 (en) 2013-08-02 2023-09-06 Echosens Non-invasive system for calculating a human or animal, reliable, standardized and complete score
EP2930515A1 (en) * 2014-04-08 2015-10-14 Universite D'angers Prognostic tests for hepatic disorders
FR3023003B1 (fr) 2014-06-27 2016-07-15 Bio-Rad Innovations Combinaison synergique de biomarqueurs pour la detection et l'evaluation d'une fibrose hepatique
US20180052213A1 (en) 2015-03-17 2018-02-22 Servicio Andaluz De Salud Computerized optical analysis methods of mr (magnetic resonance) images for quantifying or determining liver lesions
EP3078970A1 (en) 2015-04-07 2016-10-12 Université d'Angers Non-invasive method for assessing the presence and severity of esophageal varices
EP3281017A1 (en) 2015-04-07 2018-02-14 Université d'Angers Non-invasive method for assessing the presence and severity of esophageal varices
JP7036805B2 (ja) 2016-05-29 2022-03-15 深▲じぇん▼市▲絵▼云生物科技有限公司 肝疾患関連バイオマーカーおよびその使用方法
EP3491388B1 (en) 2016-08-01 2021-09-01 Centre Hospitalier Universitaire d'Angers Multi-targeted fibrosis tests
CN110088628B (zh) * 2016-12-14 2023-05-16 豪夫迈·罗氏有限公司 对样品中干扰物的确定
EP3373012A1 (en) 2017-03-07 2018-09-12 Biopredictive Method of diagnosis of drug induced liver injury
ES2902226T3 (es) 2017-07-19 2022-03-25 Bio Rad Europe Gmbh Combinaciones de biomarcadores para evaluar la esteatohepatitis no alcohólica y/o el estatus de la fibrosis hepática
EP3470843A1 (en) 2017-10-16 2019-04-17 Biopredictive Method of prognosis of primary liver cancer
WO2019076830A1 (en) 2017-10-16 2019-04-25 Biopredictive METHOD OF PROGNOSIS AND MONITORING OF CANCER OF THE PRIMITIVE LIVER

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU6738001A (en) * 2000-04-28 2001-11-20 Bayer Aktiengesellschaft Assessment of liver fibrosis scoring with serum marker algorithms
AU7812800A (en) 2000-08-21 2002-03-04 Epigene Diagnosis method of fibrotic disease using biochemical markers
US6986995B2 (en) * 2002-02-28 2006-01-17 Prometheus Laboratories, Inc. Methods of diagnosing liver fibrosis

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101497878B (zh) * 2008-01-30 2012-11-07 房学迅 特异性高效亲和膜ⅰ型基质金属蛋白酶(mt1-mmp)的多肽、蛋白及其应用
WO2009140805A1 (zh) * 2008-05-21 2009-11-26 Lin Biaoyang 一种提高样本分类准确性的方法及试剂盒
CN101587125B (zh) * 2008-05-21 2013-07-24 林标扬 高表达癌症标记物和低表达组织器官标记物组合试剂盒
US9585613B2 (en) 2009-02-26 2017-03-07 Universite D'angers Diagnosis of liver fibrosis and cirrhosis
CN102439456A (zh) * 2009-03-19 2012-05-02 昂热大学 用于评估肝纤维化进展的非侵入方法
CN102439456B (zh) * 2009-03-19 2016-11-02 昂热大学 用于评估肝纤维化进展的非侵入方法
CN102302358A (zh) * 2011-06-29 2012-01-04 内蒙古福瑞中蒙药科技股份有限公司 肝纤维化检测设备和系统
CN102302358B (zh) * 2011-06-29 2014-04-09 内蒙古福瑞医疗科技股份有限公司 肝纤维化检测系统
CN113748198A (zh) * 2018-12-28 2021-12-03 法国国家科学研究中心 用于生产细胞外囊泡的流体系统及相关方法
CN113748198B (zh) * 2018-12-28 2024-04-12 法国国家科学研究中心 用于生产细胞外囊泡的流体系统及相关方法

Also Published As

Publication number Publication date
EP2458384A2 (fr) 2012-05-30
US8489335B2 (en) 2013-07-16
FR2870348A1 (fr) 2005-11-18
FR2870349A1 (fr) 2005-11-18
EP1745403A2 (fr) 2007-01-24
US20090143993A1 (en) 2009-06-04
ES2455229T3 (es) 2014-04-15
EP1745403B1 (fr) 2014-01-01
FR2870348B1 (fr) 2010-08-27
EP2458384A3 (fr) 2012-12-26
WO2005116901A3 (fr) 2006-04-06
WO2005116901A2 (fr) 2005-12-08

Similar Documents

Publication Publication Date Title
CN1985259A (zh) 诊断个体中肝脏病理的存在和/或严重性和/或监控这种病理的治疗有效性的方法
JP5612067B2 (ja) 肝線維化進行を評価するための非侵襲的方法
CN100416273C (zh) 采用生物化学标记物诊断纤维化疾病的方法
Vignola et al. Airway remodelling assessed by sputum and high-resolution computed tomography in asthma and COPD
Jacobsson et al. Rheumatoid arthritis and mortality. A longitudinal study in Pima Indians
Prochaska et al. Relative supersaturation of 24-hour urine and likelihood of kidney stones
Sebastiani et al. Non invasive fibrosis biomarkers reduce but not substitute the need for liver biopsy
EP2359285B1 (en) Non-invasive in vitro method for quantifying liver lesions
Kelleher et al. Noninvasive assessment of liver fibrosis
Zaman et al. Assessment of FIBROSpect II to detect hepatic fibrosis in chronic hepatitis C patients
US20140005500A1 (en) Non-Invasive Method for Assessing the Presence or Severity of Liver Fibrosis Based on a New Detailed Classification
Zhang et al. The prevalence of social frailty among older adults: a systematic review and meta-analysis
CN108700596A (zh) 用于心血管疾病和事件的诊断和预后方法
Esmat et al. Evaluation of serum biomarkers of fibrosis and injury in Egyptian patients with chronic hepatitis C
Amcoff et al. Clinical implications of assay specific differences in f-calprotectin when monitoring inflammatory bowel disease activity over time
Eguchi et al. A new detection system for serum fragmented cytokeratin 18 as a biomarker reflecting histologic activities of human nonalcoholic steatohepatitis
Attallah et al. Immunodetection of collagen types I, II, III, and IV for differentiation of liver fibrosis stages in patients with chronic HCV
Liang et al. Clinical utility of serum matrix metalloproteinase-2 and tissue inhibitor of metalloproteinase-2 concentrations in the assessment of liver fibrosis due to chronic hepatitis B
Shen et al. Prediction of hepatic necroinflammatory activity in patients with chronic hepatitis B by a simple noninvasive model
JP2019530854A (ja) 複数標的線維症検査
CN107589260A (zh) 尿液中mmp-7作为肾脏纤维化和慢性肾脏病的生物标志物的用途
CN110174513A (zh) Tgm2在制备监测克罗恩病疾病活动的生物标志物中的应用
Park et al. Development and validation of a model to predict advanced fibrosis in chronic hepatitis B virus-infected patients with high viral load and normal or minimally raised ALT
US20140011211A1 (en) Method of diagnosing the presence and/or severity of a hepatic pathology in an individual and/or of monitoring the effectiveness of a treatment for one such pathology
Demir et al. Investigation of relation between mortality of geriatric patients with sepsis and C-Reactive Protein, Procalcitonin and Neutrophil/Lymphocyte ratio in admission to intensive care unit

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication