medalphabetМедицинский алфавитMedical alphabet2078-56312949-2807ООО «Альфмед»10.33667/2078-5631-2026-4-40-45medalphabet-4899Research ArticleСтатьиВозможности магнитно-резонансной томографии в количественной оценке стеатоза печени у пациентов с различным индексом массы телаCapabilities of magnetic resonance imaging in quantitative assessment hepatic steatosis in patients with different body mass indexhttps://orcid.org/0000-0002-8258-522XСавченковЮ. Н.SavchenkovYu. N.

Савченков Юрий Николаевич, к. м. н., ассистент кафедры лучевой диагностики с курсом радиологии Медико-биологического университета инноваций и непрерывного образования

Москва

Savchenkov Yury N., PhD Med, assistant at Dept of Radiation Diagnostics with a course in Radiology Diagnostics at the Medical and Biological University of Innovation and Continuing Education

Moscow

yura_savchenkov@mail.ruhttps://orcid.org/0000-0002-1611-5000ТруфановГ. Е.TrufanovG. E.

Труфанов Геннадий Евгеньевич, д. м. н., проф., главный научный сотрудник НИО лучевой диагностики, зав. кафедрой лучевой диагностики и медицинской визуализации с клиникой

Санкт-Петербург

Trufanov Gennady E., Dr Med Sci (habil.), professor, chief researcher of the Research Institute of Radiation Diagnostics, head of Dept of Radiation Diagnostics and Medical Imaging with the clinic

Saint Petersburg

trufanovge@mail.ruhttps://orcid.org/0000-0002-2937-6322ФокинВ. А.FokinV. A.

Фокин Владимир Александрович, д. м. н., проф. кафедры лучевой диагностики и медицинской визуализации с клиникой

Санкт-Петербург

Fokin Vladimir A., Dr Med Sci (habil.), professor of the Department of Radiation Diagnostics and Medical Imaging with the clinic 

Saint Petersburg

vladfokin@mail.ruhttps://orcid.org/0000-0002-6084-2061ИоноваЕ. А.IonovaE. A.

Ионова Елена Александровна, д. м. н., зав. кафедрой лучевой диагностики с курсом радиологии Медико-биологического университета инноваций и непрерывного образования

Москва

Ionova Elena A., Dr Med Sci (habil.), head of Dept of Radiation Diagnostics with a course in Radiology Diagnostics at the Medical and Biological University of Innovation and Continuing Education

Moscow

ionela60@mail.ruhttps://orcid.org/0009-0000-9014-2165АносоваТ. А.AnosovaT. A.

Аносова Татьяна Александровна, к. м. н., доцент кафедры лучевой диагностики с курсом радиологии Медико-биологического университета инноваций и непрерывного образования

Москва

Anosova Tatiana A., PhD Med, associate professor at Dept of Radiation Diagnostics with a course in Radiology Diagnostics at the Medical and Biological University of Innovation and Continuing Education

Moscow

yura_savchenkov@mail.ruhttps://orcid.org/0000-0003-2869-0712АнисонянА. В.AnisonyanA. V.

Анисонян Анастасия Владимировна, к. м. н., научный сотрудник Центра диагностики заболеваний печени

Москва

Anisonyan Anastasiia V., PhD Med, researcher at Dept of Hepatology

Moscow

anastasiya7651@yandex.ruhttps://orcid.org/0000-0003-2195-9643СбикинаЕ. С.SbikinaE. S.

Сбикина Евгения Сергеевна, старший научный сотрудник Центра диагностики заболеваний печени

Москва

Sbikina Evgeniya S., senior researcher at Dept of Hepatology

Moscow

esbikina@gmail.ruhttps://orcid.org/0009-0005-4851-1234БодроваО. В.BodrovaO. V.

Бодрова Ольга Валерьевна, ординатор по специальности «рентгенология» кафедры лучевой диагностики и медицинской визуализации с клиникой

Санкт-Петербург

Bodrova Olga V., resident at Dept of Radiology and Medical Imaging, Institute of Medical Education

Saint Petersburg

bodrowa.olga2015@yandex.ruФГБУ «Государственный научный центр Российской Федерации Федеральный медицинский биофизический центр имени А. И. Бурназяна» Федерального медико-биологического агентства РоссииРоссияState Research Center Burnazyan Federal Biophysical Medical Center of Federal Medical Biological Agency of RussiaRussian FederationФГБУ «Национальный медицинский исследовательский центр имени В.А. Алмазова» Минздрава РоссииРоссияAlmazov National Medical Research CentreRussian FederationГБУЗ «Московский клинический научно-практический центр имени А. С. Логинова Департамента здравоохранения города Москвы»РоссияA.S. Loginov Moscow Clinical Scientific and Practical Center of the Department of Health of MoscowRussian Federation20262003202604Современная поликлиника (1)4045Copyright © Савченков Ю.Н., Труфанов Г.Е., Фокин В.А., Ионова Е.А., Аносова Т.А., Анисонян А.В., Сбикина Е.С., Бодрова О.В., 20262026Савченков Ю.Н., Труфанов Г.Е., Фокин В.А., Ионова Е.А., Аносова Т.А., Анисонян А.В., Сбикина Е.С., Бодрова О.В.Savchenkov Y.N., Trufanov G.E., Fokin V.A., Ionova E.A., Anosova T.A., Anisonyan A.V., Sbikina E.S., Bodrova O.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.med-alphabet.com/jour/article/view/4899Цель

Цель. Оценить взаимосвязь между степенью стеатоза печени, количественно определенной по среднепеченочному значению протонной плотности жировой фракции при магнитно-резонансной томографии (МРТ), и индексом массы тела (ИМТ) обследованных пациентов.

Материалы и методы

Материалы и методы. Проведено ретроспективное обсервационное исследование, включившее 776 пациентов, которым выполнена мультипараметрическая магнитно-резонансная томография органов брюшной полости на томографах Magnetom Vida (Siemens) 3 Тл и Ingenia Ambition S (Philips) 1,5 Тл. ИМТ рассчитывали по стандартной формуле и рассматривали как системный антропометрический показатель ожирения. Количественную оценку стеатоза печени выполняли по среднепеченочному значению протонной плотности жировой фракции. Степень стеатоза классифицировали какS 0-S3. Для анализа использовали непараметрические методы статистики, корреляционный анализ Спирмена, межгрупповые сравнения с коррекцией множественных сравнений по методу Benjamini-Hochberg и ROC-анализ.

Результаты

Результаты. Выявлена статистически значимая положительная корреляция между протонной плотностью жировой фракции печени и ИМТ (р=0,569; p<0,001). При этом при одинаковых значениях ИМТ отмечался широкий диапазон значений протонной плотности жировой фракции с выраженным перекрытием между степенями стеатоза. Стеатоз печени был выявлен у 9% пациентов с ИМТ <25 кг/м2, тогда как у 36% пациентов с ИМТ >30 кг/м2признаки стеатоза отсутствовали. Площадь под ROC-кривой ИМТсоставила 0,793 для выявления стеатоза >S 1, 0,761 для >S2 и 0,706 для >S3, что соответствует умеренной и низкой дискриминирующей способности показателя.

Заключение

Заключение. ИМТ статистически ассоциирован с выраженностью стеатоза печени, однако характеризуется высокой вариабельностью и выраженным перекрытием распределений между степенями стеатоза. Наличие стеатоза печени у 9 % пациентов при нормальном ИМТ и его отсутствие у 36 % пациентов с ожирением отражают ограниченную диагностическую ценность ИМТ для оценки степени жировой инфильтрации печени. Количественная оценка протонной плотности жировой фракции при МРТ обеспечивает объективную и воспроизводимую характеристику стеатоза печени независимо от категории ИМТ.

Purpose

Purpose. To evaluate the association between the severity of hepatic steatosis, quantitatively determined by the mean whole-liver proton density fat fraction on magnetic resonance imaging (MRI), and body mass index (BMI) in the examined patients.

Materials and methods

Materials and methods. A retrospective observational study included 776 patients who underwent multiparametric abdominal magnetic resonance imaging on Magnetom Vida (Siemens) 3 T and Ingenia Ambition S (Philips) 1.5 T scanners. BMI was calculated using the standard formula and considered a systemic anthropometric indicator of obesity. Quantitative assessment of hepatic steatosis was performed using the mean whole-liver proton density fat fraction. Steatosis severity was classified as S 0-S 3. Nonparametric statistical methods were used, including Spearman correlation analysis, intergroup comparisons with Benjamini-Hochberg correction for multiple testing, and ROC analysis.

Results

Results. A statistically significant positive correlation was found between hepatic proton density fat fraction and BMI (p=0.569; p<0.001). At the same time, for identical BMI values, a wide range of proton density fat fraction values was observed, with substantial overlap between steatosis grades. Hepatic steatosis was detected in 9 % of patients with BMI <25 kg/m2, whereas 36 % of patients with BMI >30 kg/m2 had no signs of steatosis. The area under the ROC curve for BMI was 0.793 for detecting steatosis >S 1, 0.761 for >S 2, and 0.706 for >S 3, corresponding to moderate to low discriminative performance.

Conclusion

Conclusion. BMI is statistically associated with the severity of hepatic steatosis but demonstrates high variability and pronounced overlap between steatosis grades. The presence of hepatic steatosis in 9 % of patients with normal BMI and its absence in 36 % of patients with obesity reflect the limited diagnostic value of BMI for assessing the degree of hepatic fat infiltration. Quantitative assessment of proton density fat fraction by MRI provides an objective and reproducible characterization of hepatic steatosis regardless of BMI category.

индекс массы теластеатоз печенипротонная плотность жировой фракциимагнитно-резонансная томографияbody mass indexliver steatosisproton density fat fractionmagnetic resonance imagingReferencesFeng G., Targher G., Byrne C. D., Yilmaz Y., Wong V. W.-S., Lesmana C. R.A., Adams L. A., Boursier J., Papatheodoridis G., El-Kassas M., Méndez-Sánchez N., Sookoian S., Castera L., Chan W.K., Ye F., Treeprasertsuk S., Cortez-Pinto H., Yu H.H., Kim W., Romero-Gómez M., Zheng M.-H. Global burden of metabolic dysfunction-associated steatotic liver disease, 2010 to 2021. JHEP Reports. 2025; 7 (3): 101271. https://doi.org/10.1016/j.jhepr.2024.101271Feng G., Targher G., Byrne C. D., Yilmaz Y., Wong V. W.-S., Lesmana C. R.A., Adams L. A., Boursier J., Papatheodoridis G., El-Kassas M., Méndez-Sánchez N., Sookoian S., Castera L., Chan W.K., Ye F., Treeprasertsuk S., Cortez-Pinto H., Yu H.H., Kim W., Romero-Gómez M., Zheng M.-H. Global burden of metabolic dysfunction-associated steatotic liver disease, 2010 to 2021. JHEP Reports. 2025; 7 (3): 101271. https://doi.org/10.1016/j.jhepr.2024.101271Zhuang L., Zhang R., Ren S., He T., Mi H., Jiang W., Su C. 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.2025.103248Zhuang L., Zhang R., Ren S., He T., Mi H., Jiang W., Su C. 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.2025.103248Okada A., Yamada G., Kimura T., Hagiwara Y., Yamaguchi S., Ikeda Kurakawa K., Nangaku M., Yamauchi T., Matsuyama Y., Kadowaki T. Diagnostic ability using fatty liver and metabolic markers for metabolic-associated fatty liver disease stratified by metabolic/glycemic abnormalities. J Diabetes Investig. 2022; 14 (3): 463–478. https://doi.org/10.1111/jdi.13966Okada A., Yamada G., Kimura T., Hagiwara Y., Yamaguchi S., Ikeda Kurakawa K., Nangaku M., Yamauchi T., Matsuyama Y., Kadowaki T. Diagnostic ability using fatty liver and metabolic markers for metabolic-associated fatty liver disease stratified by metabolic/glycemic abnormalities. J Diabetes Investig. 2022; 14 (3): 463–478. https://doi.org/10.1111/jdi.13966Bray T.J., Chouhan M.D., Punwani S. et al. Fat fraction mapping using magnetic resonance imaging: insight into pathophysiology. Br J Radiol. 2018; 91 (1089): 20170344. https://doi.org/10.1259/bjr.20170344Bray T.J., Chouhan M.D., Punwani S. et al. Fat fraction mapping using magnetic resonance imaging: insight into pathophysiology. Br J Radiol. 2018; 91 (1089): 20170344. https://doi.org/10.1259/bjr.20170344Ye Q., Zou B., Yeo Y.H. et al. Global prevalence, incidence, and outcomes of nonobese or lean NAFLD: a systematic review and meta-analysis. Lancet Gastroenterol Hepatol. 2020; 5: 739–752. https://doi.org/10.1016/S2468-1253(20)30077-7Ye Q., Zou B., Yeo Y.H. et al. Global prevalence, incidence, and outcomes of nonobese or lean NAFLD: a systematic review and meta-analysis. Lancet Gastroenterol Hepatol. 2020; 5: 739–752. https://doi.org/10.1016/S2468-1253(20)30077-7Rotaru A., Stratina E., Huiban L., Girleanu I., Minea H., Sfarti C., Chiriac S., Trifan A.V. et al. Beyond BMI: revealing metabolic risk in lean MASLD. Arch Clin Cases. 2025; 12 (3): 110–118. https://doi.org/10.22551/2025.48.1203.10322Rotaru A., Stratina E., Huiban L., Girleanu I., Minea H., Sfarti C., Chiriac S., Trifan A.V. et al. Beyond BMI: revealing metabolic risk in lean MASLD. Arch Clin Cases. 2025; 12 (3): 110–118. https://doi.org/10.22551/2025.48.1203.10322Garza A. L., Lee M., Blangero J., Bauer C.X., Czerwinski S. A., Choh A. C. et al. Genetic correlations between liver fat content, metabolic health, and adiposity distribution in the Fels Longitudinal Study. Nutr Metab Cardiovasc Dis. 2024; 34: 1610–1618. https://doi.org/10.1016/j.numecd.2024.03.002Garza A. L., Lee M., Blangero J., Bauer C.X., Czerwinski S. A., Choh A. C. et al. Genetic correlations between liver fat content, metabolic health, and adiposity distribution in the Fels Longitudinal Study. Nutr Metab Cardiovasc Dis. 2024; 34: 1610–1618. https://doi.org/10.1016/j.numecd.2024.03.002Tang A., Desai A., Hamilton G. et al. Accuracy of MR imaging–estimated proton density fat fraction for classification of histologic steatosis grades. Radiology. 2015; 274 (2): 416–425. https://doi.org/10.1148/radiol.14140754Tang A., Desai A., Hamilton G. et al. Accuracy of MR imaging–estimated proton density fat fraction for classification of histologic steatosis grades. Radiology. 2015; 274 (2): 416–425. https://doi.org/10.1148/radiol.14140754Yokoo T., Serai S.D., Pirasteh A. et al. Linearity, bias, and precision of hepatic proton density fat fraction measurements: a meta-analysis. Radiology. 2018; 286 (2): 486–498. https://doi.org/10.1148/radiol.2017170550Yokoo T., Serai S.D., Pirasteh A. et al. Linearity, bias, and precision of hepatic proton density fat fraction measurements: a meta-analysis. Radiology. 2018; 286 (2): 486–498. https://doi.org/10.1148/radiol.2017170550Gu J., Liu S., Du S. et al. Diagnostic value of MRI–proton density fat fraction for hepatic steatosis: a meta-analysis. Eur Radiol. 2019; 29: 3564–3573. https://doi.org/10.1007/s00330-019-06072-4Gu J., Liu S., Du S. et al. Diagnostic value of MRI–proton density fat fraction for hepatic steatosis: a meta-analysis. Eur Radiol. 2019; 29: 3564–3573. https://doi.org/10.1007/s00330-019-06072-4Zhang Y.N., Fowler K.J., Hamilton G. et al. Liver fat imaging: ultrasound, CT, and MRI. Br J Radiol. 2018; 91: 20170959. https://doi.org/10.1259/bjr.20170959Zhang Y.N., Fowler K.J., Hamilton G. et al. Liver fat imaging: ultrasound, CT, and MRI. Br J Radiol. 2018; 91: 20170959. https://doi.org/10.1259/bjr.20170959Wang C., Li R., Zhang J., Liu Z., Chen F., Zhao Y. et al. The causal impact of body mass index on metabolic biomarkers and nonalcoholic fatty liver disease risk. Sci Rep. 2024; 14: 84165. https://doi.org/10.1038/s41598-024-84165-xWang C., Li R., Zhang J., Liu Z., Chen F., Zhao Y. et al. The causal impact of body mass index on metabolic biomarkers and nonalcoholic fatty liver disease risk. Sci Rep. 2024; 14: 84165. https://doi.org/10.1038/s41598-024-84165-xMa Y., Zhang C., Tian M., Hu J., Wang M., Liu S. Non-invasive diagnosis of metabolic dysfunction-associated steatotic liver disease: current status, challenges, and future directions. Diabetes Obes Metab. 2025 Dec 4; online ahead of print. https://doi.org/10.1111/dom.70326Ma Y., Zhang C., Tian M., Hu J., Wang M., Liu S. Non-invasive diagnosis of metabolic dysfunction-associated steatotic liver disease: current status, challenges, and future directions. Diabetes Obes Metab. 2025 Dec 4; online ahead of print. https://doi.org/10.1111/dom.70326Younossi Z.M., Kalligeros M., Henry L. Epidemiology of metabolic dysfunction-associated steatotic liver disease. Clin Mol Hepatol. 2025 Feb; 31 (Suppl): S32–S50. https://doi.org/10.3350/cmh.2024.0431Younossi Z.M., Kalligeros M., Henry L. Epidemiology of metabolic dysfunction-associated steatotic liver disease. Clin Mol Hepatol. 2025 Feb; 31 (Suppl): S32–S50. https://doi.org/10.3350/cmh.2024.0431Khan F., Dsouza S., Khamis A.H., Abdul F., Farooqi M.H., Sulaiman F., Mulla F., Al Awadi F., Hassanein M., Bayoumi R. Noninvasive assessment of the severity of liver fibrosis in MASLD patients with long-standing type 2 diabetes. J Gen Intern Med. 2025; 40 (10): 2309–2318. https://doi.org/10.1007/s11606-025-09348-2Khan F., Dsouza S., Khamis A.H., Abdul F., Farooqi M.H., Sulaiman F., Mulla F., Al Awadi F., Hassanein M., Bayoumi R. Noninvasive assessment of the severity of liver fibrosis in MASLD patients with long-standing type 2 diabetes. J Gen Intern Med. 2025; 40 (10): 2309–2318. https://doi.org/10.1007/s11606-025-09348-2European Association for the Study of the Liver (EASL), European Association for the Study of Diabetes (EASD), European Association for the Study of Obesity (EASO). EASL-EASD-EASO clinical practice guidelines on the management of metabolic dysfunction-associated steatotic liver disease (MASLD). Obes Facts. 2024; 17 (4): 374–444. https://doi.org/10.1159/000539371European Association for the Study of the Liver (EASL), European Association for the Study of Diabetes (EASD), European Association for the Study of Obesity (EASO). EASL-EASD-EASO clinical practice guidelines on the management of metabolic dysfunction-associated steatotic liver disease (MASLD). Obes Facts. 2024; 17 (4): 374–444. https://doi.org/10.1159/000539371El-Kassas M., Othman H.A., Elbadry M., Alswat K., Yilmaz Y. Risk stratification of patients with metabolic dysfunction-associated steatotic liver disease: steatohepatitis, fibrosis, and hepatocellular carcinoma. J Clin Exp Hepatol. 2025; 15 (1): 102415. https://doi.org/10.1016/j.jceh.2024.102415El-Kassas M., Othman H.A., Elbadry M., Alswat K., Yilmaz Y. Risk stratification of patients with metabolic dysfunction-associated steatotic liver disease: steatohepatitis, fibrosis, and hepatocellular carcinoma. J Clin Exp Hepatol. 2025; 15 (1): 102415. https://doi.org/10.1016/j.jceh.2024.102415Boursier J., Tsochatzis E.A. Case-finding strategies in non-alcoholic fatty liver disease. JHEP Rep. 2020; 3: 100219. https://doi.org/10.1016/j.jhepr.2020.100219Boursier J., Tsochatzis E.A. Case-finding strategies in non-alcoholic fatty liver disease. JHEP Rep. 2020; 3: 100219. https://doi.org/10.1016/j.jhepr.2020.100219

The authors declare that there are no conflicts of interest present.