Диагностическая эффективность нативного Т1-картирования в стадировании фиброза печени по данным магнитно-резонансной томографии

Актуальность. Фиброз печени является структурным проявлением хронических заболеваний печени, при прогрессировании он приводит к формированию цирроза и развитию связанных с ним осложнений. Нативное Т1-картирование печени рассматривается как количественная методика магнитно-резонансной томографии (МРТ), отражающая выраженность фиброзных изменений, однако ее диагностическая эффективность может модифицироваться тканевым составом печени, включая стеатоз.

Цель: оценить диагностическую эффективность нативного Т1-картирования при стадировании фиброза печени и определить влияние стеатоза на диагностические характеристики методики.

Материал и методы. Ретроспективное исследование включало 241 пациента, которым выполнена МРТ брюшной полости с получением нативных карт Т1-релаксации печени по протоколам MOLLI 4(1)3(1)2 и MOLLI 5(3)3 с кардиосинхронизацией по пульсу на одной задержке дыхания. Референсную стратификацию стадии фиброза (F0–F4 по шкале METAVIR) проводили на основе интеграции клинических, лабораторных и инструментальных данных. Дополнительно осуществлена стратификация больных по наличию стеатоза печени, определяемого по значению протонной плотности жировой фракции. Пациентов с признаками перегрузки печени железом исключали из анализа. Оценивали взаимосвязь между значениями нативного Т1-картирования печени и стадией фиброза с использованием корреляционного анализа, а также выполняли межгрупповые сравнения показателей в зависимости от стадии процесса. Диагностические характеристики методики определяли методом ROC-моделирования при разграничении стадий фиброза ≥F2, ≥F3 и F4. Статистический анализ осуществляли с применением непараметрических методов. Для контроля множественных сравнений использовали коррекцию по Бенджамини–Хохбергу. Результаты считали статистически значимыми при частоте ложных срабатываний (false discovery rate, FDR) <0,05.

Результаты. Установлена статистически значимая положительная связь между значениями нативного Т1-картирования печени и стадией фиброза (ρ=0,779 для MOLLI 4(1)3(1)2 и ρ=0,792 для MOLLI 5(3)3; p<0,001; FDR<0,05). Медианные значения Т1-картирования последовательно возрастали от F0 к F4. Различия между всеми смежными стадиями сохраняли статистическую значимость после FDR-коррекции. По данным ROC-моделирования, нативное Т1-картирование продемонстрировало высокую диагностическую эффективность при стратификации стадий фиброза: AUROC при ≥F2 составила 0,909 и 0,919, при ≥F3 – 0,946 и 0,954, при F4 – 0,972 и 0,981 для протоколов MOLLI 4(1)3(1)2 и MOLLI 5(3)3 соответственно. При наличии стеатоза диагностическая эффективность снижалась при выявлении ≥F2, тогда как при ≥F3 и F4 статистически значимых различий между подгруппами не обнаружено (p>0,05). Полученные данные свидетельствуют о модифицирующем влиянии стеатоза на ранних стадиях фиброза печени.

Заключение. Нативное Т1-картирование печени по протоколам MOLLI 4(1)3(1)2 и MOLLI 5(3)3 является информативной количественной методикой МРТ при стадировании фиброза. Диагностическая эффективность возрастает при переходе от ≥F2 к ≥F3 и достигает максимальных значений при циррозе печени. Наличие стеатоза сопровождается снижением дискриминационной способности при выявлении ≥F2, что определяет границы применимости методики и обосновывает ее использование в составе мультипараметрического МР-подхода при хронических заболеваниях печени.

1. Zhuang L, Zhang R, Ren S, et al. Global burden of metabolic dysfunction-associated steatotic liver disease from 1990 to 2021 and the prediction for the next 10 years. Prev Med Rep. 2025; 59: 103248. https://doi.org/10.1016/j.pmedr.2025.103248.

2. Ma Q, Liu K, Chang C, et al. Metabolic dysfunction-associated steatotic liver disease: pathogenesis, model and treatment (review). Int J Mol Med. 2025; 56(6): 227. https://doi.org/10.3892/ijmm.2025.5668.

3. Feng G, Targher G, Byrne CD, et al. Global burden of metabolic dysfunction-associated steatotic liver disease, 2010 to 2021. JHEP Rep. 2025; 7(3): 101271. https://doi.org/10.1016/j.jhepr.2024.101271.

4. Tham EKJ, Tan DJH, Danpanichkul P, et al. the global burden of cirrhosis and other chronic liver diseases in 2021. Liver Int. 2025; 45(3): e70001. https://doi.org/10.1111/liv.70001.

5. Cerrito L, Galasso L, Iaccarino J, et al. Present and future perspectives in the treatment of liver fibrosis. Pharmaceuticals. 2025; 18(9): 1321. https://doi.org/10.3390/ph18091321.

6. Jahagirdar V, Rama K, Cabrera D, et al. Implications of liver fibrosis in clinical trials. Ann Hepatol. 2025; 30(2): 102112. https://doi.org/10.1016/j.aohep.2025.102112.

7. Zeng X, Huang D, Zhu Z, et al. Mechanism-guided drug development and treatment for liver fibrosis: a clinical perspective. Front Pharmacol. 2025; 16: 1574385. https://doi.org/10.3389/fphar.2025.1574385.

8. Chi H, Hansen BE, Tang WY, et al. Multiple biopsy passes and the risk of complications of percutaneous liver biopsy. Eur J Gastroenterol Hepatol. 2017; 29(1): 36–41. https://doi.org/10.1097/MEG.0000000000000731.

9. Khalifa A, Rockey DC. The utility of liver biopsy in 2020. Curr Opin Gastroenterol. 2020; 36(3): 184–91. https://doi.org/10.1097/MOG.0000000000000621.

10. Chowdhury AB, Mehta KJ. Liver biopsy for assessment of chronic liver diseases: a synopsis. Clin Exp Med. 2023; 23(2): 273–85. https://doi.org/10.1007/s10238-022-00852-5.

11. Thomaides-Brears HB, Alkhouri N, Allende D, et al. Incidence of complications from percutaneous biopsy in chronic liver disease: a systematic review and meta-analysis. Dig Dis Sci. 2022; 67(7): 3366–94. https://doi.org/10.1007/s10620-021-07035-7.

12. Kang CC, Wang TE, Liu CY, et al. Update on imaging-based noninvasive methods for assessing hepatic steatosis in nonalcoholic fatty liver disease. J Med Ultrasound. 2024; 32(2): 116–20. https://doi.org/10.4103/jmu.jmu_88_23.

13. Huang W, Peng Y, Kang L. Advancements of non-invasive imaging technologies for the diagnosis and staging of liver fibrosis: present and future. View. 2024; 5(4). https://doi.org/10.1002/VIW.20240010.

14. Maino C, Vernuccio F, Cannella R, et al. Non-invasive imaging biomarkers in chronic liver disease. Eur J Radiol. 2024; 181: 111749. https://doi.org/10.1016/j.ejrad.2024.111749.

15. Mazzola M, Cannella R, Pilato G, et al. Quantitative liver MRI biomarkers: what the radiologist should know. J Med Imaging Interv Radiol. 2024; 11: 13. https://doi.org/10.1186/s44326-024-00013-3.

16. Khan F, Dsouza S, Khamis AH, et al. Noninvasive assessment of the severity of liver fibrosis in MASLD patients with longstanding type 2 diabetes. J Gen Intern Med. 2025; 40(10): 2309–18. https://doi.org/10.1007/s11606-025-09348-2.

17. Xue S, Zhu Y, Shao M, et al. T1/T2 mapping as a non-invasive method for evaluating liver fibrosis based on correlation of biomarkers: a preclinical study. BMC Gastroenterol. 2025; 25: 122. https://doi.org/10.1186/s12876-025-03216-0.

18. Serai SD, Robson MD, Tirkes T, Trout AT. T1 mapping of the abdomen, from the AJR “How We Do It” special series. AJR Am J Roentgenol. 2025; 224(6): e2431643. https://doi.org/10.2214/AJR.24.31643.

19. Mesropyan N, Chang J, Lutz P, et al. Clinical validation of T1ρ mapping for the assessment of hepatic fibrosis in patients with chronic liver disease. Eur Radiol. 2026; 36(5): 3983–93. https://doi.org/10.1007/s00330-025-12225-5.

20. Thompson RB, Sherrington R, Beaulieu C, et al. Reference values for water-specific T1 of the liver at 3 T: T2*compensation and the confounding effects of fat. J Magn Reson Imaging. 2024; 60(5): 2063–75. https://doi.org/10.1002/jmri.29262.

21. Liedtke C, Nevzorova YA, Luedde T, et al. Liver fibrosis – from mechanisms of injury to modulation of disease. Front Med. 2022; 8: 814496. https://doi.org/10.3389/fmed.2021.814496.

22. Akkiz H, Gieseler RK, Canbay A. Liver fibrosis: from basic science towards clinical progress, focusing on the central role of hepatic stellate cells. Int J Mol Sci. 2024; 25(14): 7873. https://doi.org/10.3390/ijms25147873.

23. Mesropyan N, Kupczyk P, Dold L, et al. Non-invasive assessment of liver fibrosis in autoimmune hepatitis: diagnostic value of liver magnetic resonance parametric mapping including extracellular volume fraction. Abdom Radiol. 2021; 46(6): 2458–66. https://doi.org/10.1007/s00261-020-02822-x.

24. Klaus JB, Goerke U, Klarhofer M, et al. MRI Dixon fat-corrected Look–Locker T1 mapping for quantification of liver fibrosis and inflammation: a comparison with the non-fat-corrected shortened modified Look–Locker inversion recovery technique. Invest Radiol. 2024; 59(11): 754–60. https://doi.org/10.1097/RLI.0000000000001084.

25. Mozes FE, Tunnicliffe EM, Moolla A, et al. Mapping tissue water T1 in the liver using the MOLLI T1 method in the presence of fat, iron and B0 inhomogeneity. NMR Biomed. 2018; 32(1). https://doi.org/10.1002/nbm.4030.

26. Pavlides M, Banerjee R, Sellwood J, et al. Multiparametric magnetic resonance imaging predicts clinical outcomes in patients with chronic liver disease. J Hepatol. 2016; 64(2): 308–15. https://doi.org/10.1016/j.jhep.2015.10.009.

27. Higashi M, Tanabe M, Yamane M, et al. Impact of fat on the apparent T1 value of the liver: assessment by water-only derived T1 mapping. Eur Radiol. 2023; 33(10): 6844–51. https://doi.org/10.1007/s00330-023-10052-0.

28. Mozes FE, Tunnicliffe EM, Pavlides M, Robson MD. Influence of fat on liver T1 measurements using modified Look–Locker inversion recovery (MOLLI) methods at 3 T. J Magn Reson Imaging. 2016; 44(1): 105–11. https://doi.org/10.1002/jmri.25146.

29. Fellner C, Nickel MD, Kannengiesser S, et al. Water-fat separated T1 mapping in the liver and correlation to hepatic fat fraction. Diagnostics. 2023; 13(2): 201. https://doi.org/10.3390/diagnostics13020201.

30. Wang Y, Qi H, Wang Y, et al. Free-breathing simultaneous waterfat separation and T1 mapping of the whole liver (SWALI) with isotropic resolution using 3D golden-angle radial trajectory. Quant Imaging Med Surg. 2023; 13(2): 912–23. https://doi.org/10.21037/qims-22-748.

31. Jirouskova M, Harant K, Cejnar P, et al. Dynamics of compartment-specific proteomic landscapes of hepatotoxic and cholestatic models of liver fibrosis. eLife. 2025; 14: e98023. https://doi.org/10.7554/eLife.98023.3.