使用多式定量超声波和人工智能框架,同时分级诊断肝纤维化,炎症和肥胖症

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 肝病学 肝病学是一种肝病学.

背景情况:

• 慢性肝病 (CLDs) 需要准确的,非侵入性的方法来分类纤维化,炎症和肥胖症,以指导治疗并改善患者的治疗结果.
• 当前的诊断方法往往缺乏同时评估这三个关键的病理特征的能力.

研究的目的:

• 开发和验证人工智能 (AI) 框架,用于在患有慢性肝病的患者中同时,非侵入性地分类肝纤维化,炎症和胆固醇症.
• 与单个临床超声波指标相比,评估拟议的AI框架的诊断性能.

主要方法:

• 通过将从定量超声波 (射频信号,B模式,剪切波弹性学) 和临床超声波系统中获得的多模式组织特征参数融合而开发了一个AI框架.
• 肝活检结果作为分类标准的黄金标准.
• 该研究包括142名被诊断患有CLD的患者.

主要成果:

• 与单个临床指标相比,AI框架显示了纤维化阶段 (F1-F4),炎症 (A2-A3) 和肥胖症 (S1-S2) 分类的曲线下面区域 (AUC) 值显著改善.
• 例如,AI方法的纤维化阶段F3和F4的AUC分别达到0.89和0.91,表现优于单个指标.
• 使用拟议的AI方法,炎症和肥胖症分级也显示了AUC的显著改善.

结论:

• 开发的AI框架有效地增强了非侵入性,同时分级的肝纤维化,炎症和胆固醇症在CLDs.
• 这种人工智能驱动的方法显示了提高慢性肝病诊断和管理的准确性和效率的巨大潜力.