以人工智能为基础的血小板独立的非侵入性肝纤维化测试,用于MASLD患者
Shun-Ichi Wakabayashi1, Takefumi Kimura1,2, Nobuharu Tamaki3
1Department of Medicine, Division of Gastroenterology Shinshu University School of Medicine Matsumoto Japan.
概括
一个新的AI模型精确地分阶段肝纤维化在代谢功能障碍相关的脂肪性肝病 (MASLD) 患者仅使用例行血液检查和人口统计数据. 这种方法绕过了血小板计数或昂贵的弹性体检的需要,提高了大规模查的可访问性.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 人工智能在医学中的应用
- 非侵入性诊断 非侵入性诊断
背景情况:
- 与代谢功能障碍相关的脂肪性肝病 (MASLD) 纤维化评估通常依赖于非侵入性测试 (NIT),如血小板指数和弹性体检.
- 血小板计数在日本的健康检查中不是标准的,弹性体检是昂贵的,难以获得的.
- 现有的AI模型经常包含这些有限的标记,限制了它们的广泛应用.
研究的目的:
- 开发一个简单,准确的人工智能 (AI) 模型,用于MASLD患者肝纤维化阶段.
- 仅使用常规的人口统计和生化标记,不包括血小板计数和弹性学.
主要方法:
- 从463名日本MASLD患者的活检证实的数据进行了回顾性分析.
- 使用年龄,性别,BMI,并发症和常规血液标记物 (AST,ALT,γ-GTP,HbA1c,葡萄糖,甘油三,胆固醇) 开发支持矢量机器 (SVM) AI模型.
- 随机分配患者进入培训 (80%) 和测试 (20%) 队列.
主要成果:
- SVM模型在肝纤维化阶段测定方面实现了高诊断性能.
- 曲线下的面积 (AUC) 值为显著纤维化 (≥F2) 的0.886,晚期纤维化 (≥F3) 的0.882和肝硬化 (F4) 的0.916.
- 人工智能模型的准确性与FIB-4,APRI和FAST得分相当,不需要血小板计数或弹性图.
结论:
- 开发的AI模型提供了一个准确,简单和具有成本效益的方法来评估MASLD中的肝纤维化.
- 它对常规标记物的依赖使其适用于大规模的健康查和常规的临床实践.
- 这种AI方法提高了MASLD患者肝纤维化评估的可访问性.
