Einfach und niedrigschwellig: Fortgeschrittene Leberschäden bei MASLD-Patient:innen erkennen – mit digitalen Biomarkern

Effiziente Konzepte, um den Schweregrad von Lebererkrankungen zu erkennen, sind dringend gesucht. Eine spannende Neuerung sind digitale Biomarker, die sich mit überschaubarem Aufwand erheben lassen. Bei Patient:innen mit metabolischen Lebererkrankungen können als Medizinprodukt CE-IVD-gekennzeichnete Algorithmen die gängigen Fibrosekontrollen mittels Ultraschall oder Elastografie sinnvoll ergänzen – in der fachärztlichen wie auch hausärztlichen Versorgung.

Die Zahl der Patient:innen mit Lebererkrankungen steigt, in Folge des demographischen Wandels, aber auch in Folge der steigenden Prävalenz von Übergewicht, Adipositas und metabolischen Erkrankungen. Vor allem die mit metabolischer Dysfunktion assoziierte Fettlebererkrankung (MASLD) ist auf dem Vormarsch, für Deutschland wird von einer Prävalenz von 20 bis 30 Prozent der erwachsenen Bevölkerung ausgegangen [1].

Konventionelles hepatisches Risiko-Scoring hat Grenzen

Der mit der steigenden Zahl an chronischen Lebererkrankungen einhergehende Anstieg der Diagnostik stellt Arztpraxen und Krankenhäuser zunehmend vor Herausforderungen. Es gilt, MASLD, mit metabolischer Dysfunktion assoziierte Fettleberhepatitis (MASH), Leberfibrose und deren Schweregrad und nicht zuletzt hepatozelluläre Karzinome (HCC) früh zu erkennen.

Die Erkennung einer Fibrose bei MASLD-Patient:innen geschieht in der Versorgung auf unterschiedlichen Ebenen. Es beginnt in der Primärversorgung, wo serumbasierte Marker bzw. Scores eine niedrigschwellige Option darstellen. Um den Schweregrad einer Fibrose einzuschätzen, kommt die Elastographie zum Einsatz. Besteht bei fortgeschrittener Fibrose bzw. Zirrhose eine Indikation für eine HCC-Surveillance, ist der Ultraschall Mittel der Wahl. Allerdings geht das mit logistischen Herausforderungen einher. Die Ergebnisse sind zudem unter Umständen schwierig objektivierbar bzw. reproduzierbar. Es gibt Patient:innen, die z. B. wegen einer Adipositas schwer zu schallen sind. Und es gibt Hinweise, dass einige MASLD-Patient:innen bereits bei geringer bis mäßiger Fibrose ein erhöhtes HCC-Risiko haben [1].

Serum-Biomarker können zur Abschätzung des Schweregrads einer Leberfibrose bei MASLD oder zur HCC-Früherkennung genutzt werden. Allerdings sind Spezifität und/oder Sensitivität einzelner Labor-Biomarker – etwa alpha-Fetoprotein (AFP) im Kontext der HCC-Früherkennung – oft nicht optimal, und die Empfehlungen in den Leitlinien sind entsprechend uneinheitlich [2, 3, 4].

Klinisch validierte digitale Biomarker holen mehr aus der Labordiagnostik heraus

Hier setzen so genannte digitale Biomarker an, die Serum-Biomarker bzw. generell Biomarker aus der In-vitro-Diagnostik (IVD) mit zusätzlichen klinischen Informationen anreichern. Dadurch werden mit Hilfe speziell entwickelter, klinisch validierter und als Medizinprodukt CE-IVD-gekennzeichnete Algorithmen präzisere Risikoabschätzungen möglich als jene, die der reine Laborwert bzw. IVD-Biomarker ermöglichen würde.

Entscheidend bei solchen Algorithmen bzw. digitalen Biomarkern ist neben adäquater Validierung und ausreichend hoher Sensitivität und Spezifität eine komfortable Integration in den klinischen Alltag. Hier setzt die navify® Algorithm Suite von Roche Diagnostics an. Es handelt sich um eine digitale Plattform, die einen zentralen Zugriff auf unterschiedlichste CE-gekennzeichnete IVD-Algorithmen des Unternehmens und ausgewählter Drittanbieter ermöglicht [5]. Für optimalen Nutzerkomfort wird die Plattform an bestehende Laborinformationssysteme und klinische Informationssysteme über standardisierte Schnittstellen wie HL7 oder FHIR angebunden [6].

Leberpanel als Anlaufstelle für digitale Biomarker in Gastroenterologie und Hepatologie

Aktuell wird im Rahmen dieser Roche-Plattform ein eigenes Leber-Panel aufgebaut, das speziell auf die Bedürfnisse in Gastroenterologie und Hepatologie – aber auch für die frühzeitige Identifikation von Patient:innen mit hepatologischem Risiko in der Primärversorgung oder beim Diabetologen – abgestimmt ist. Dieses Panel wird eine Reihe digitaler Biomarker umfassen, darunter den so genannten ADAPT-Algorithmus. Er verknüpft das Alter der Patient:innen und den Diabetes-Status mit Thrombozytenzahl und dem Biomarker ProC3. Dies ermöglicht eine Beurteilung des Schweregrads einer Leberfibrose bei Patient:innen mit objektiven Befunden oder Anzeichen einer MASLD – ohne dass dafür zwingend eine Elastographie durchgeführt werden müsste.

Klinisch relevant ist ein unaufwändiges Fibrosemonitoring bei der MASLD zum einen deswegen, weil höhere Fibrosestadien mit leberbezogenen Komplikationen assoziiert sind [7]. Zum anderen sind neue Medikamente in Entwicklung bzw. Einführung, die die Progression der MASLD/MASH-Fibrose bremsen können bzw. Komplikationen verhindern sollen. Hier muss das Stadium der Lebererkrankung regelmäßig erfasst werden.

ProC3 kann über Roche-Assay Elecsys PRO-C3 erfasst werden, der innerhalb von 18 Minuten Resultate liefert. In Kombination mit dem ADAPT-Score wird eine Einschätzung des Schweregrads der Fibrose möglich. Wissenschaftlich ist das gut hinterlegt: Sowohl ProC3 als auch der ADAPT-Score werden in der MASLD-Leitlinie der europäischen Fachgesellschaften für Hepatologie (EASL), Diabetes (EASD) und Adipositas (EASO) bereits erwähnt [8]. Beim Patientenmanagement bietet die Nutzung des ADAPT-Scores die Option für einen modifizierten Versorgungsworkflow, der den Anteil falsch positiver Patientinnen und Patienten und damit den Bedarf an weitergehender, aufwändigerer Diagnostik reduziert.

Weitere Algorithmen im Leberpanel

Neben dem ADAPT-Algorithmus werden im vierten Quartal 2025 im Rahmen des Leberpanels noch weitere Algorithmen bzw. digitale Biomarker neu angeboten:

• Algorithmen für die MELD-Scores bieten eine Entscheidungsunterstützung bei Lebererkrankungen im Endstadium.

• Der Fib-4-Algorithmus dient der Früherkennung einer nicht-alkoholischen Leberfibrose.

• Der ALBI-Algorithmus unterstützt bei der Bewertung der Leberfunktion und der Abschätzung der Überlebenszeit bei einem HCC.

• Der Lille-Modell-Algorithmus ermöglicht eine Vorhersage der Überlebenswahrscheinlichkeit bei schwerer alkoholischer Hepatitis.

Bereits erhältlich ist außerdem der GAAD-Algorithmus, der eine innovative HCC-Früherkennung ermöglicht. Dieser Algorithmus kombiniert die Biomarker alpha-Fetoprotein (Elecsys® AFP) und Protein-induziert durch Vitamin K-Abwesenheit (Elecsys® PIVKA-II) mit Alter und Geschlecht der Patient:innen.

Der vom Algorithmus daraus erstellt Score-Wert mit klinisch validiertem Cut-off konnte in einer Fall-Kontroll-Studie ein HCC im Frühstadium (BCLC 0/A) mit einer Sensitivität von 70,1 % (62,7 % - 76,8 %) und Spezifität von 93,7 % (90,4 % - 96,2 %) nachweisen. Bei gleicher Spezifität ergab sich in dieser Studie über alle HCC-Stadien hinweg eine Sensitivität von 83,1 % (78,8 % - 86,8 %) (Abb. 3) [9, 10].

Praxiserfahrungen mit der Integration der Algorithm-Suite in den bestehenden Laborworkflow bzw. konkret mit dem GAAD-Algorithmus hat die Medizinische Hochschule Hannover (MHH) gesammelt. Dort läuft der GAAD-Algorithmus bei entsprechenden Patient:innen als ganz normaler Laborwert mit. Dadurch konnte die Durchführung der HCC-Früherkennung verbessert werden, es gab deutliche Effizienzgewinne im Laborworkflow [11].

Zur Verfügung gestellt werden digitale Biomarker auf CE-IVD-Basis in der klinischen Medizin im Regelfall durch die Labore. Diese sind entsprechend auch die Ansprechpartner für eine Implementierung im jeweiligen Versorgungskontext. Prinzipiell beschränken sich digitale Biomarker nicht auf die Labordiagnostik. Sie können auch auf Basis anderer diagnostischer Modalitäten entwickelt werden. So sehen Expert:innen in der Kardiologie interessante Zukunftsperspektiven für risikostratifizierende digitale Biomarker auf Basis von EKG, Sprachanalyse oder Retina-Scans [12].

Literatur

1. Younossi ZM et al.: Hepatology 2016; 64(5):1577-86

2. Vogel A et al.: Ann Oncol. 2018;29 (4): 238–255.

3. Marrero JA et al.: Hepatology. 2018; 68(2): 723–750

4. Omata M et al.: Hepatol Int. 2017;11(4): 317–370.

5. https://www.roche.de/diagnostik/produkte-loesungen/digitale-loesungen/navify-algorithm-suite; letzter Zugriff 9. Juli 2025

6. https://www.roche.de/diagnostik/produkte-loesungen/digitale-loesungen/navify-algorithm-suite/leberpanel-gaad; letzter Zugriff 9. Juli 2025

7. Sanyal AJ et al.: N Engl J Med 2021; 385(17): 1559-69

8. EASL/EASD/EASO. J Hepatol 2024; 81(3): 492-542

9. GAAD Method Sheet. Reference: 09964533001

10. Piratvisuth T et al.: Hepatology Communications 2023; 7(11): e0317

11. https://www.roche.de/diagnostik/produkte-loesungen/digitale-loesungen/navify-algorithm-suite/navify-algorithm-suite-mhh; letzter Zugriff 9. Juli 2025

12. Wright K. EMJ Cardiol. 2024; 12[1]: 31-35

Impressum

Diese Sonderpublikation erscheint im Auftrag und inhaltlichen Verantwortungsbereich der Roche Diagnostics Deutschland GmbH, Sandhofer Str. 116, 68305 Mannheim.

Autor: Philipp Grätzel von Grätz

Der Verlag kann für Angaben über Dosierungsanweisungen und Applikationsformen keine Gewähr übernehmen. Durch sorgfältige Prüfung der Fachinformationen der verwendeten Präparate und ggf. nach Konsultation eines Spezialisten ist jeder Benutzer angehalten, festzustellen, ob die dort gegebene Empfehlung für Dosierung oder die Beachtung von Kontraindikationen gegenüber der Angabe in dieser Beilage abweicht. Bei selten verwendeten oder neu auf den Markt gebrachten Präparaten ist eine solche Prüfung besonders wichtig. Jede Dosierung oder Applikation erfolgt auf eigene Gefahr des Benutzers.

Diese Sonderpublikation erscheint außerhalb des Verantwortungsbereichs des Deutschen Ärzteverlags.

mr