Grasso Viscerale e Fegato: Il VAI è la Spia Giusta per la MASLD?
Ciao a tutti! Oggi voglio parlarvi di un argomento che sta diventando sempre più importante per la nostra salute: il fegato e come un certo tipo di grasso, quello “nascosto” nella pancia, possa metterlo a rischio. Parliamo della MASLD, acronimo che sta per Malattia Epatica Steatosica Associata a Disfunzione Metabolica. Forse la conoscevate con il vecchio nome, NAFLD (steatosi epatica non alcolica), ma la sostanza non cambia: è quella condizione comunemente chiamata “fegato grasso”, che però non dipende dall’abuso di alcol.
Pensate che solo negli Stati Uniti colpisce oltre 80 milioni di adulti, e le stime dicono che nel mondo arriveremo a quasi 100 milioni entro il 2030! È un problema enorme, legato spesso al nostro stile di vita: dieta poco sana, poca attività fisica, sedentarietà. Il guaio è che la MASLD non è solo una questione di fegato; aumenta il rischio di problemi ben più seri come malattie cardiovascolari, diabete, tumori al fegato e altre forme di cancro. Capite bene quanto sia cruciale identificarla presto per poter intervenire.
La Sfida della Diagnosi: Come Scovare la MASLD?
Il metodo “gold standard” per diagnosticare problemi al fegato è la biopsia, ma diciamocelo, non è una passeggiata: è invasiva, comporta dei rischi e non sempre è praticabile o disponibile per tutti. Anche l’elastografia (come il FibroScan con il parametro CAP), che misura la “rigidità” e il grasso nel fegato, è ottima ma costosa e non si trova ovunque. Ecco perché la ricerca si sta concentrando su metodi non invasivi, più semplici ed economici, per capire chi è a rischio. Ed è qui che entra in gioco il nostro protagonista di oggi: il VAI, l’Indice di Adiposità Viscerale.
Cos’è il VAI e Perché Ci Interessa?
Il VAI è un indice che cerca di stimare la quantità e la funzionalità del grasso viscerale, quello che si accumula attorno agli organi interni nell’addome e che è considerato particolarmente “cattivo” per la salute metabolica. Non si tratta solo del grasso che vediamo o sentiamo sulla pancia (quello è sottocutaneo), ma di quello più profondo. Il VAI si calcola usando parametri semplici che di solito abbiamo già a disposizione dopo un normale controllo medico:
- Circonferenza vita (WC)
- Indice di massa corporea (BMI)
- Livelli di trigliceridi (TG) nel sangue
- Livelli di colesterolo “buono” HDL nel sangue
Esistono formule leggermente diverse per uomini e donne. L’idea è che questo indice possa darci un’indicazione indiretta di quanto grasso viscerale abbiamo e se questo stia creando problemi metabolici, come l’insulino-resistenza o l’infiammazione cronica, che sono proprio alla base della MASLD. Il tessuto adiposo, infatti, non è solo un deposito di energia, ma un vero e proprio organo endocrino che produce sostanze (adipochine) che influenzano tutto il corpo, fegato compreso. Studi precedenti avevano già suggerito un legame tra VAI e la vecchia NAFLD, ma con la nuova definizione di MASLD, che mette ancora più enfasi sulla disfunzione metabolica, era importante capire se il VAI fosse ancora un buon indicatore e, soprattutto, come si comportasse rispetto ad altri indici non invasivi già noti.

Lo Studio NHANES: Cosa Hanno Scoperto i Ricercatori?
Per rispondere a queste domande, un gruppo di ricercatori ha utilizzato i dati di un importante studio americano, il National Health and Nutrition Examination Survey (NHANES) del 2017-2018. Hanno analizzato i dati di oltre 5000 persone adulte. Hanno calcolato il VAI per ciascuno e verificato la presenza di MASLD (diagnosticata tramite la misurazione del grasso nel fegato con il parametro CAP e la presenza di almeno un fattore di rischio cardiometabolico, come sovrappeso, glicemia alta, pressione alta, trigliceridi alti o HDL basso).
I risultati sono stati molto interessanti. Innanzitutto, hanno confermato una forte associazione positiva tra VAI e rischio di MASLD. Le persone nel terzo più alto dei valori di VAI avevano un rischio ben 7 volte maggiore di avere la MASLD rispetto a quelle nel terzo più basso! E questo rischio aumentava progressivamente all’aumentare del VAI (quella che i ricercatori chiamano relazione dose-risposta). Questa associazione rimaneva significativa anche dopo aver tenuto conto di tanti altri fattori che potrebbero influenzare il risultato (età, sesso, etnia, livello di istruzione, diabete, ipertensione, ecc.). Sembra proprio che un VAI più alto sia un campanello d’allarme per il fegato grasso associato a problemi metabolici. Inoltre, questa associazione è stata riscontrata in tutti i sottogruppi analizzati (uomini, donne, diverse età, etnie, fumatori, non fumatori, ecc.), suggerendo che il VAI sia un indicatore piuttosto robusto.
VAI vs. Altri Indici: Chi Vince la Sfida della Diagnosi?
Qui le cose si fanno ancora più intriganti. I ricercatori non si sono fermati a guardare solo il VAI. Lo hanno messo a confronto con altri indici non invasivi usati per stimare il grasso nel fegato o la fibrosi, come:
- LAP (Lipid Accumulation Product): Basato su circonferenza vita e trigliceridi.
- FLI (Fatty Liver Index): Basato su BMI, circonferenza vita, trigliceridi e GGT (un enzima del fegato).
- HSI (Hepatic Steatosis Index)
- TyG Index (Triglycerides and Glucose Index)
- FIB-4 e NFS (indici più legati alla fibrosi epatica)
Hanno anche usato algoritmi di machine learning (intelligenza artificiale) per vedere se modelli più complessi potessero predire meglio la MASLD.
Ebbene, cosa è emerso? Sebbene il VAI fosse significativamente associato al rischio, quando si è trattato di misurare la *capacità diagnostica* (cioè quanto bene l’indice riesce a distinguere chi ha la MASLD da chi non ce l’ha), il VAI (con un’AUC di 0.736 – un valore che misura l’accuratezza, dove 1 è perfetto e 0.5 è casuale) è stato superato da altri due indici: il LAP (AUC=0.834) e il FLI (AUC=0.833). Questi due indici, basati anch’essi su parametri semplici e di routine, si sono dimostrati più performanti del VAI nel predire la presenza di MASLD in questo studio.

Gli algoritmi di machine learning, come il Random Forest (AUC=0.869) e il Gradient Boosting Machine (AUC=0.868), hanno ottenuto i punteggi migliori in assoluto, ma come sottolineano gli stessi autori, sono complessi e non facilmente applicabili nella pratica clinica quotidiana, specialmente in contesti con risorse limitate. LAP e FLI, invece, raggiungono un’accuratezza quasi paragonabile a quella dei modelli di machine learning di medio livello, ma con il vantaggio enorme di essere calcolabili facilmente con dati che quasi tutti abbiamo dopo un esame del sangue e una visita medica.
Cosa Portiamo a Casa da Questo Studio?
Questo studio ci dice cose importanti. Il VAI è sicuramente un indicatore utile del grasso viscerale e il suo aumento è legato a un rischio significativamente più alto di sviluppare la MASLD. Potrebbe essere uno strumento valido per lo screening, specialmente in persone normopeso o in contesti dove non si possono fare esami più sofisticati. Tuttavia, se l’obiettivo è avere una stima diagnostica più accurata della presenza di MASLD, basandosi su questo studio, gli indici LAP e FLI sembrano essere strumenti migliori, offrendo un ottimo equilibrio tra accuratezza e praticità clinica.
Naturalmente, come ogni studio, anche questo ha delle limitazioni. Essendo “cross-sectional” (cioè fotografa la situazione in un dato momento), non può stabilire un rapporto di causa-effetto definitivo tra VAI e MASLD. Inoltre, non teneva conto di fattori importanti come la dieta specifica o la genetica. Serviranno studi futuri, magari longitudinali (che seguono le persone nel tempo), per confermare questi risultati e capire ancora meglio come usare questi indici, magari anche per monitorare la risposta alle terapie.
In conclusione, il VAI ci dà un segnale, ci dice che il grasso viscerale conta parecchio per la salute del nostro fegato. Ma per una diagnosi non invasiva più precisa della MASLD, forse dovremmo guardare con più attenzione a indici come LAP e FLI, semplici, economici e, secondo questa ricerca, molto efficaci. Un passo avanti importante per combattere questa silenziosa epidemia del fegato grasso!
Fonte: Springer
