Aprendizaje por transferencia basado en ultrasonido y SWE para predecir NASH fibrótico

Área de la Ciencia:

• Imagenología Médica
• Inteligencia Artificial en Medicina
• Hepatología

Sus antecedentes:

• La esteatohepatitis no alcohólica (EHNA) es una enfermedad hepática progresiva que a menudo conduce a fibrosis.
• El diagnóstico preciso y temprano de la EHNA fibrótica es crucial para un manejo y tratamiento eficaces.
• Los métodos diagnósticos actuales pueden ser invasivos o carecer de precisión en la identificación de las etapas de fibrosis.

Objetivo del estudio:

• Desarrollar y evaluar un modelo combinado de aprendizaje profundo para predecir y diagnosticar la esteatohepatitis no alcohólica (EHNA) fibrótica.
• Integrar la ecografía hepática, la elastografía hepática y las características clínicas para mejorar la precisión diagnóstica.
• Comparar el rendimiento de un modelo de aprendizaje profundo multimodal con modelos de una sola modalidad.

Principales métodos:

• Se estableció un modelo de rata de esteatosis y fibrosis hepática utilizando una dieta alta en grasas e inyecciones de CCl₄.
• Se adquirieron imágenes de ultrasonido bidimensional y elastografía de ondas de corte (SWE) de los modelos de rata.
• Se desarrollaron tres modelos de aprendizaje profundo basados en ResNet-18: ultrasonido puro, elastografía pura y un modelo multimodal combinado.

Principales resultados:

• El modelo de aprendizaje profundo combinado logró el área bajo la curva (AUC) más alta de 0.879.
• El análisis de la curva de decisión (DCA) indicó beneficios netos superiores para el modelo multimodal en la predicción de NASH fibrótico.
• El modelo multimodal demostró un rendimiento prometedor en la predicción y el diagnóstico de NASH fibrótico.

Conclusiones:

• Un modelo de aprendizaje profundo combinado que integra datos de ultrasonido, elastografía y clínicos ofrece una herramienta poderosa para el diagnóstico de NASH fibrótico.
• El enfoque multimodal supera significativamente a los modelos de una sola modalidad en la predicción y el diagnóstico de NASH fibrótico.
• Esta estrategia impulsada por IA tiene el potencial de una evaluación no invasiva y precisa de NASH fibrótico.