Observationele en prospectieve studie van hepatische steatose en gerelateerde risicofactoren met behulp van echografie en kunstmatige intelligentie (ST-AI)

De afgelopen jaren heeft echografie een overheersende rol gekregen bij de evaluatie van leversteatose, omdat het een niet-invasieve, niet-bestralende methode is die gemakkelijk reproduceerbaar en goedkoop is. Van bijzondere effectiviteit is het gebruik van de hepatorenale index, geëvalueerd als de intensiteitsverhouding (echogeniciteit) tussen het leverparenchym en het niercorticale parenchym. De belangrijkste beperkingen van het detecteren van de hepato-renale index tijdens abdominale echografie zijn echter de afhankelijkheid van de operator en het gebruik van een relatief lange tijdspanne om de reeks operaties en berekeningen te voltooien die nodig zijn om de index zelf te bepalen. Het gebruik van Artificial Intelligence (AI) technieken voor beeldanalyse in de medische wereld levert uitstekende resultaten op. Op AI gebaseerde algoritmen worden steeds meer een krachtig hulpmiddel waarmee artsen hun prestaties kunnen verbeteren in termen van snelheid en nauwkeurigheid van klinische evaluaties. Tegenwoordig is er al bewijs voor de effectiviteit van het gebruik van AI op echografiebeelden voor klinische evaluaties. Er is nog weinig onderzoek gedaan naar het gebruik van AI als hulpmiddel bij het diagnosticeren van leverziekten via echografie. De te testen hypothese is het nut dat AI kan hebben bij de evaluatie, en het algemene en specifieke gebruik ervan bij het verkorten van de rekentijden van de hepatorenale index.

In deze studie werden 134 patiënten geïncludeerd zonder klinische verdenking op leversteatose. Alle patiënten ondergingen abdominale echografie (VS) en magnetische resonantiebeeldvorming van de vetfractie (MRI-PDFF), aangenomen als referentietechniek om de graad van steatose te evalueren. De hepatorenale index (US) werd handmatig berekend (HRIM) door 4 ervaren operators. Een automatische hepatorenale indexberekening (HRIA) werd ook verkregen door een algoritme. De nauwkeurigheid van HRIA om verschillende graden van leververvetting te onderscheiden werd geëvalueerd door ROC-analyse met behulp van MRI-PDFF-cut-offs.