Video Experimental Relacionado
Updated: Sep 10, 2025

Author Spotlight: Advancing Hepatic Fibrosis Diagnosis Using Magnetic Resonance Elastography and AI
Published on: July 21, 2023
Radiomía del hígado basada en la resonancia magnética para predecir eventos relacionados con el hígado en la fibrosis
Yuankai Luo1,2, Qinian Luo3, Yaobo Wu4
1Hepatobiliary and Pancreatic Tumor Diagnosis and Treatment Center, Yuebei People's Hospital, Shaoguan, China.
Los pacientes con fibrosis por el virus de la hepatitis B (VHB) en riesgo de eventos relacionados con el hígado (ERH) pueden identificarse mediante imágenes de resonancia magnética hepática (IRM). Este enfoque impulsado por la IA mejora la precisión de la predicción para estrategias de tratamiento personalizadas en enfermedades hepáticas crónicas.
Área de la Ciencia:
- Imágenes médicas
- La inteligencia artificial en la medicina
- Hepatología
Sus antecedentes:
- Los eventos relacionados con el hígado (LREs) en pacientes con fibrosis hepática indican un mal pronóstico.
- La predicción y detección tempranas de las ERR son cruciales para mejorar los resultados y la calidad de vida de los pacientes.
- La infección por el virus de la hepatitis B (VHB) es una causa común de fibrosis hepática crónica en todo el mundo.
Objetivo del estudio:
- Desarrollar y validar un modelo radiómico utilizando resonancia magnética hepática para predecir el riesgo de ERL.
- Evaluar el rendimiento del modelo en pacientes con fibrosis crónica asociada al VHB sometidos a tratamiento antiviral.
- Para comparar la precisión predictiva del modelo radiómico con las herramientas clínicas tradicionales.
Principales métodos:
- Se incluyeron pacientes con fibrosis hepática asociada al VHB y rigidez hepática elevada (≥10 kPa).
- Las características radiómicas se extrajeron de tres secuencias de resonancia magnética hepática.
- Los algoritmos de aprendizaje automático, incluidas las máquinas vectoriales de soporte, se utilizaron para construir y evaluar los modelos de predicción, con técnicas de selección e interpretación de características aplicadas.
Principales resultados:
- El estudio incluyó a 222 pacientes (49 ± 10 años, 175 varones), de los cuales 41 experimentaron ERR.
- Un modelo radiómico con 58 características seleccionadas demostró una precisión de predicción superior en comparación con los métodos tradicionales.
- El modelo basado en el vector de soporte logró un área bajo la curva de 0,94 (entrenamiento) y 0,93 (prueba), lo que indica una buena calibración y potencia predictiva.
Conclusiones:
- Los modelos radiómicos basados en el aprendizaje automático predicen efectivamente las ERR en pacientes con fibrosis hepática asociada al VHB.
- Estos modelos ofrecen una precisión comparable a través de diferentes algoritmos, apoyando las decisiones de atención personalizada.
- La radiomía de resonancia magnética múltiple del hígado puede mejorar la predicción y el manejo del riesgo, proporcionando valiosos conocimientos pronósticos para la enfermedad hepática relacionada con el VHB.
Más Videos Relacionados
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
05:37Author Spotlight: A Non-Invasive Tool to Assess and Differentiate Fat Patterns in Liver Using 3D Dixon MRI
Published on: October 20, 2023
Videos de Conceptos Relacionados
Ultrasound II: Endoscopic Ultrasound and FibroScan
Endoscopic Ultrasound (EUS):
Magnetic Resonance Imaging