Maksan steatoosin ja siihen liittyvien riskitekijöiden havainnointi- ja tulevaisuustutkimus ultraääntä ja tekoälyä käyttämällä (ST-AI)

Ultraääni on viime vuosina noussut hallitsevaan rooliin maksan steatoosin arvioinnissa, koska se on ei-invasiivinen, säteilyttämätön menetelmä, joka on helposti toistettavissa ja edullinen. Erityisen tehokasta on hepatorenaalisen indeksin käyttö, joka arvioidaan maksan parenkyymin ja munuaisen aivokuoren parenkyymin välisenä intensiteettisuhteena (echogeenisuutena). Tärkeimmät rajoitukset maksa-munuaisindeksin havaitsemisessa vatsan ultraäänen aikana ovat kuitenkin riippuvuus operaattorista ja suhteellisen pitkän ajanjakson käyttäminen itse indeksin määrittämiseen tarvittavien toimintojen ja laskelmien suorittamiseen. Tekoäly (AI) -tekniikoiden käyttö kuva-analyysissä lääketieteen alalla tuottaa erinomaisia ​​tuloksia. Tekoälypohjaiset algoritmit ovat yhä tehokkaampi työkalu, jonka avulla lääkäri voi parantaa suorituskykyään kliinisten arviointien nopeuden ja tarkkuuden suhteen. Nykyään on jo näyttöä tekoälyn käytön tehokkuudesta ultraäänikuvissa kliinisissä arvioinneissa. Tekoälyn käyttöä apuvälineenä maksasairauksien diagnosoinnissa ultraäänellä on vielä vähän tutkittu. Testattava hypoteesi on tekoälyn hyöty arvioinnissa, sen yleiset ja erityiset käyttötarkoitukset hepatorenaalisen indeksin laskentaaikojen lyhentämisessä.

Tähän tutkimukseen otettiin mukaan 134 potilasta, joilla ei ollut kliinistä epäilyä maksan rasvakudoksesta. Kaikille potilaille tehtiin vatsan ultraäänitutkimus (US) ja magneettikuvaus rasvafraktio (MRI-PDFF), joiden oletettiin olevan vertailutekniikka steatoosin asteen arvioinnissa. 4 ammattitaitoista operaattoria laski hepatorenaalisen indeksin (US) manuaalisesti (HRIM). Automaattinen hepatorenaalisen indeksin laskenta (HRIA) saatiin myös algoritmilla. HRIA:n tarkkuus rasvamaksan eri asteiden erottamisessa arvioitiin ROC-analyysillä käyttämällä MRI-PDFF-raja-arvoja.