在NAFLD患者的组织学,成像和人工智能特征的相关性,来自Gd-EOB-DTPA增强的MRI:一个概念验证研究

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 肝病学 肝病学是一种肝病学.

背景情况:

• 非酒精性脂肪性肝病 (NAFLD) 涵盖从简单的脂肪性肝炎到非酒精性脂肪性肝炎 (NASH) 的范围.
• 组织学评估是区分简单肥胖症和NASH的黄金标准,但它是侵入性的.
• 对于准确的诊断和疾病特征,需要非侵入性成像生物标志物.

研究的目的:

• 为了比较无监督深度聚类 (UDC) 与脂肪分数 (FF) 和相对肝脏增强 (RLE) 来自加达克西酸增强的MRI.
• 评估这些参数的能力,用组织学作为黄金标准来区分简单脂肪炎和NASH.
• 评估UDC在预测NAFLD个体组织学成分方面的潜力.

主要方法:

• 46名NAFLD患者的衍生队列接受了3-T MRI,组织学评估了肥胖症,炎症,气球膨胀和纤维化.
• 无监督深度聚类 (UDC) 应用于未增强和加达酸增强的T1加权图像,以识别不同的纹理模式.
• 量化了脂肪分数 (FF) 和相对肝脏增强 (RLE). 用ROC曲线评估诊断性能,并在单独的队列中验证.

主要成果:

• UDC,RLE和FF独立地将NASH与简单肥胖症区分开来,准确率分别为85%,83%和78%.
• 多变量分析显示,RLE与纤维化相关,FF与肥胖症相关.
• 然而,UDC特征与所有组织学NAFLD成分 (肥胖症,炎症,气球膨胀和纤维化) 相相关.

结论:

• 无监督的深度聚类 (UDC),脂肪分数 (FF) 和相对肝功能增强 (RLE) 可以独立区分简单脂肪和NASH.
• UDC显示了对非侵入性预测NAFLD多个组织成分的潜力,提供了比单独的FF和RLE更全面的评估.
• 这些发现支持使用先进的MRI技术进行非侵入性NAFLD评估.