双弹性弹性学超声波用于分类与代谢功能障碍相关的脂肪性肝病:在前性队列中进行横截面研究

科学领域:

• 肝病学 肝病学是一种肝病学.
• 医疗成像医学成像
• 机器学习 机器学习

背景情况:

• 代谢功能障碍相关的脂肪性肝病 (MASLD) 诊断是复杂的,二进制方法错过了其全谱.
• 双弹性体超声波 (DEUS) 是一种用于MASLD分期的新型弹性体技术.

研究的目的:

• 评估DEUS在区分MASLD不同阶段的疗效.
• 开发和验证一个机器学习模型 (Model^DEUSC),集成DEUS和用于MASLD分层的临床数据.
• 为了比较模型DEUSC的诊断准确性与其他针对晚期纤维化的非侵入性测试.

主要方法:

• 一项前性多中心研究,涉及312名患者进行导出和135名患者进行验证.
• 患者接受了DEUS扫描,肝脏活检和实验室测试.
• 十个机器学习算法被用来开发模型DEUSC,结合DEUS和临床参数.

主要成果:

• 模型^DEUSC在验证队列中实现了MASLD三元分类的0.858的宏观平均AUC.
• 诊断MASH晚期纤维化 (≥F3) 的AUC为0.886,表现优于FAST,FIB-4,NFS和APRI.
• 模型^DEUSC在分期肝纤维化,炎症和肥胖症方面表现出强的表现,不受糖尿病或肥胖的影响.

结论:

• DEUS提供了用于MASLD连续分层的先进功能.
• 模型^DEUSC为MASLD管理提供了一个低成本,可访问和准确的非侵入性工具.
• 这项技术有可能显著改善MASLD的非侵入性评估.