相关实验视频
Updated: May 7, 2026

Optimized Analysis of In Vivo and In Vitro Hepatic Steatosis
Published on: March 11, 2017
机器学习和深度学习在与代谢功能障碍相关的脂肪性肝病中的应用:系统性审查和元分析
Huan Zhang1, Xiangyu Wu1, Wenjing Ni1
1Department of Infectious Diseases, Nanjing Drum Tower Hospital Clinical College of Nanjing University of Chinese Medicine, Nanjing, Jiangsu, China; Institute of Viruses and Infectious Diseases, Nanjing University, Nanjing, Jiangsu, China.
机器学习 (ML) 和深度学习 (DL) 模型对代谢功能障碍相关的脂肪肝炎 (MASH) 和肝纤维化具有强大的诊断性能. 人工智能驱动的方法为管理代谢功能障碍相关的脂肪性肝病 (MASLD) 提供了有前途的进展.
科学领域:
- 医疗信息学
- 医疗保健中的人工智能
- 肝脏疾病的诊断
背景情况:
- 与代谢功能失调相关的脂肪性肝病 (MASLD) 可以发展为严重的形式,如与代谢功能失调相关的脂肪性肝炎 (MASH) 和肝纤维化,增加了全球健康负担.
- 准确和非侵入性诊断工具对于评估MASH和肝纤维化至关重要.
- 机器学习 (ML) 和深度学习 (DL) 正在成为医学诊断的强大人工智能工具.
研究的目的:
- 系统地审查和比较MASH和相关肝纤维化的各种ML和DL模型的诊断性能.
- 确定最有效的ML和DL模型来诊断MASH和肝纤维化.
主要方法:
- 从主要数据库 (PubMed,科学网络,Embase,Cochrane图书馆) 进行系统审查和元分析,截至2025年5月18日.
- 接收器操作员特征曲线 (AUROC) 值,精度,特异性,灵敏度,正预测值和负预测值的聚合面积计算.
- 包括106项研究,其中35项为ML (n=28) 和DL (n=7) 模型分析提供了数据.
主要成果:
- 用于MASH诊断的AUROC总量为0. 833 (ML) 和0. 841 (DL).
- 用于MASH的最高性能型号:用于ML的光梯度提升机 (LightGBM) (AUROC 0.920) 和用于DL的ResNet50 (AUROC 0.960).
- 结合的纤维化诊断的AUROC:0. 826 (ML) 和0. 875 (DL). 分类提升 (CatBoost) 实现了0.960的最高ML AUROC.
结论:
- 两种ML和DL模型都显示出MASH和肝纤维化的显著诊断能力.
- 与ML模型相比,深度学习模型在MASH和纤维化诊断的AUROC中显示出极小的优势.
- 人工智能驱动的诊断策略有望改善MASLD的管理.
更多相关视频
08:35A Model of Experimental Steatosis In Vitro: Hepatocyte Cell Culture in Lipid Overload-Conditioned Medium
Published on: May 18, 2021
07:03Author Spotlight: Establishing MASLD Cell Models for Investigating Disease Mechanisms and the Lipid-Lowering Effects of Koumiss
Published on: July 19, 2024
相关概念视频
Ultrasound II: Endoscopic Ultrasound and FibroScan
Endoscopic Ultrasound (EUS):
Pharmacokinetics in Obese Patients: Drug Metabolism and Excretion
Effect of Hepatic Disease on Pharmacokinetics: Drug Dosing and Hepatic Blood Flow
Effect of Hepatic Disease on Pharmacokinetics: Pathophysiologic Assessment and Liver Function Test