首先由两名病理学医生(JK，HAB)对训练数据集性别、年龄、身高、体重和BMI，以及血清参数ALT、AST、AST/ALT比值、GGT、白蛋白、三酰甘油、总胆固醇、空腹血糖、HbA1c、血小板计数、半胱氨酸清除的血清CK-18、和脂联素等参数进行统计。
之后对训练集中164名患者数据进行组合特征选择（EFS，ensemble feature selection，名解1）确定年龄、γGT、HbA1c、脂联素和M30是与NAFLD高度高度相关的生物标记物，导入逻辑回归进行模型开发，开发出能够预测NAFLD活动评分(NAS)的网络模型。验证模型性能时，导入验证集的122名患者数据，采用10倍交叉验证的方式进行验证，利用PROC计算数据的操作特性（ROC）曲线和相应的曲线下面积（AUC）。通过2000次分层自举重复计算得出95%置信区间。采用Spearman等级相关系数（名解2）进行相关性分析。
实验最后为了进一步分析了新的网络评分模型对疾病监测的潜力，于是在接受生活方式干预治疗一年的38名肥胖症患者数据队列中进行了测试。结果表明：
现有的无创评分体系与NAFLD严重程度的组织学评估无关。实验分别计算了APRI、BARD、Gholam评分、NAFLD纤维化评分（NFS）、Palekar评分和NAS以及纤维化之间的相关性。只有APRI（r=0.3269，p<0.001）（图1AB）和Gholam评分（r=0.3670，p<0.0001）与NAS有显著正相关，而其他评分则没有（图1CDE）在纤维化方面以上评分均无相关性。
在训练集中实验的新网络评分对NASH进行预测，准确率较高。实验的新网络评分预测得分与NAS高度相关(r=0.4473；p<0.0001；图2A)，模型的AUC值达到0.7339(95%CI：0.6567-8111；p<0.0001；图2B)。与所有其他测试分数相比，该模型的AUC显著更高。虽然没有发现新的评分与纤维化分期相关，但区分中晚期纤维化的ROC曲线的AUC值达到0.8117(95%CI：0.6964~0.9271；p=0.03；晚期纤维化n=4)。
新的网络评分在验证集中也实现了高精度。在验证队列中，新的网络评分表现与训练集相似。得分与NAS显著相关(r=0.2792；p=0.002；图3)，模型的AUC值达到0.7028(p=0.0007；图3B)。
新的网络评分表明减肥治疗对恢复新陈代谢健康的有效性。新的网络评分表明患者体重的增加与减轻、腰围减少和基础代谢率的改变有着直接的关系，肝脏和脂肪组织的功能可能是减肥效率的决定因素（图4）。38名接受减肥治疗1年的患者根据新评分的降低(23例)或增加(15例)进行分组。在研究结束时积分值降低的组中，实验发现在研究开始（W0）和结束时（W52）两个时间点血清白蛋白(和生长激素释放蛋白(图4B)浓度显着升高。相反，在减肥治疗期间积分下降的患者中，不饱和脂肪酸棕榈酸(C16：0)的浓度都显著降低。
