基于肝脏CSE-MRI脂肪图的人工智能模型的开发和验证,用于预测失脂症
Bo Jiang1, Weijun Situ1, Zhichao Feng2
1Department of Radiology, The Second Xiangya Hospital of Central South University, Changsha, Hunan, China.
PLOS digital health
|January 7, 2026
概括
使用肝脏MRI脂肪图的人工智能 (AI) 模型可以在早期非侵入性地检测脂质不良. 这种人工智能工具在预测脂质异常方面表现出很高的准确性,作为潜在的早期预警系统.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 心血管健康 心血管健康
背景情况:
- 脱脂症是心血管疾病的主要危险因素.
- 目前的检测方法通常涉及侵入性血液检测.
- 需要非侵入性早期检测方法来改善患者的治疗结果.
研究的目的:
- 开发和验证人工智能模型,用于非侵入性早期检测失脂血症.
- 为了利用肝脏化学转移编码MRI (CSE-MRI) 脂肪图来预测脂质异常.
- 评估模型的准确性和概括能力.
主要方法:
- 使用转移学习与预先训练的网络 (ResNet18,MobileNet,DenseNet,AlexNet,SqueezeNet) 创建了一个自动化的AI管道.
- 肝脏CSE-MRI脂肪图像来自89名患者的1757次扫描.
- 模型性能使用8倍交叉验证和独立测试集进行了评估.
主要成果:
- 基于ResNet18的AI模型在测试组中实现了高精度.
- 预测脂质异常的准确度是:甘油三 (0.853),总胆固醇 (0.833),LDL胆固醇 (0.937) 和高密度胆固醇 (0.936).
- 对于甘油三 (0.885),LDL (0.886) 和HDL (0.897) 胆固醇,观察到高F1分数.
结论:
- 利用肝脏CSE-MRI脂肪图的AI模型表明,早期检测脂质障碍症具有显著的潜力.
- 该模型显示了用于预测关键脂质指数的高准确性和概括性.
- 通过扩大训练数据集,可以进一步提高所有脂质指数的性能.
