CORE 風險評估模型研究摘要（主要關鍵字：CORE模型、肝硬化預測）

重點：最新隊列研究顯示，CORE 模型在預測未來 10 年肝硬化及主要肝不良結局（MALO）上的表現（AUC=0.88）明顯優於傳統的 FIB‑4（AUC=0.79），對基層篩檢與長期風險溝通具有實務價值。

背景與研究動機（次要關鍵字：FIB‑4、肝病篩檢）

肝硬化與肝癌常為長期潛伏、預後不良的疾病。尤其伴隨代謝功能失調的脂肪肝（MASLD）或酒精性肝病在社區中易被漏診。現行常用的非侵入性工具如 FIB‑4 在預測遠期臨床結局（例如 10 年肝硬化、肝癌、肝源性死亡）能力有限，因此有需求建立更穩健、且可於基層醫療環境中執行的預測模型。

研究設計與資料來源（方法）

• 訓練資料：瑞典 AMORIS 隊列，約 480,000 名受測者，排除既有肝病，血液檢驗取自基層或職業健檢。
• 外部驗證：芬蘭 FINRISK / Health2000（約 24,000 人）與 UK Biobank（約 450,000 人）。
• 變數簡化：最終模型僅採用 5 項可一次性血液檢驗取得或易得的變數：年齡、性別、AST、ALT、GGT；因此可用單一檢體完成，具成本優勢。

主要結果（預測效能）

• 10 年時間依賴 AUC：CORE = 0.88（87–89% CI），FIB‑4 = 0.79（78–80% CI）。
• 外部驗證（健保與族群差異下）：CORE 在 FINRISK AUC=0.81、UK Biobank AUC=0.79，均優於 FIB‑4，且校準度（calibration）與 decision curve 分析也支持 CORE 在臨床風險門檻下的淨效益較高。
• 核心優勢：變數少、易取得、成本較 FIB‑4 低（約半數成本），適合基層醫療大量篩檢與電子病歷系統整合。

臨床意涵（次要關鍵字：肝硬化風險、基層篩檢）

CORE 模型可量化 10 年 MALO（肝硬化、靜脈曲張、肝癌、肝移植、肝源性死亡）風險百分比，幫助醫病共同決策：例如在高風險個體啟動進一步影像學（瞬時彈性掃描）或直接轉診肝臟科；在低風險個體可採取生活型態與代謝控制的追蹤策略。

實務建議（給基層醫師與檢驗部門）

1. 在常規健檢或糖代謝異常、肥胖患者時，考慮將 AST、ALT、GGT 與年齡/性別整合進風險評估（例如 CORE），而非僅依賴 FIB‑4。
2. 對於 CORE 評估為中高風險的個案，建議使用瞬時彈性掃描確認纖維化程度或轉介肝臟科；對高風險族群同時評估 MASLD、糖尿病與酒精攝取史。
3. 數位化建議：將 CORE 模型嵌入電子病歷或檢驗報告，以自動標示高風險個案，提升篩檢效率與轉診率。

限制與未來方向

• 目前主要驗證族群以歐洲隊列為主，需在多族群、不同地理區域進行進一步驗證以確認通用性。
• 需探討不同疾病門檻（cut‑offs）與成本效益分析，以決定在何種風險閾值下採取何種臨床處置。
• 未來研究應評估 CORE 與影像學（如 FibroScan）及其他生物標記（如 ELF, FibroTest）組合的最優策略。

結論（結尾放置主要關鍵字）

總結：CORE 模型以簡潔且可行的 5 項變數，在大規模隊列與外部驗證中展現出優於 FIB‑4 的長期肝硬化預測能力（10 年 AUC 0.88），具有成為基層肝病篩檢第一線工具的潛力。臨床上建議逐步導入 CORE 作為補充或替代現有非侵入性篩檢策略，並於不同族群中加以驗證與優化。

延伸閱讀（站內文章：代謝疾病 / 篩檢 / 相關藥物）

• 警訊！揭秘5大非典型糖尿病周邊神經病變｜臨床要點與診斷提醒（糖尿病、代謝相關肝病風險）
• GLP‑1藥物大翻新：多靶點分子×新適應症全面升級（GLP‑1、肝臟代謝）
• 重磅！口服 Semaglutide 25 mg 引領減重新趨勢：平均13.6%體重下降（口服 Semaglutide、肝代謝）

參考來源

主要資料來源：BMJ 2025;390:e083182；CORE 線上計算器：www.core-model.com。本文為本站整理與摘要，僅供參考，非個案診療依據。必要時請諮詢專科醫師。