Estudo observacional e prospectivo de esteatose hepática e fatores de risco relacionados usando ultrassom e inteligência artificial (ST-AI)

Nos últimos anos, a ultrassonografia tem assumido papel predominante na avaliação da esteatose hepática, por ser um método não invasivo, não irradiante, de fácil reprodutibilidade e baixo custo. De particular eficácia é a utilização do índice hepatorrenal, avaliado como a razão de intensidade (ecogenicidade) entre o parênquima hepático e o parênquima cortical renal. As principais limitações da detecção do índice hepatorrenal durante a ultrassonografia abdominal, entretanto, são a dependência do operador e o uso de um intervalo de tempo relativamente longo para completar a sequência de operações e cálculos necessários para determinar o próprio índice. O uso de técnicas de Inteligência Artificial (IA) para análise de imagens na área médica está rendendo excelentes resultados. Os algoritmos baseados em IA são cada vez mais uma ferramenta poderosa que permite ao médico melhorar o seu desempenho em termos de rapidez e precisão das avaliações clínicas. Hoje já existem evidências da eficácia do uso de IA em imagens de ultrassom para avaliações clínicas. O uso da IA ​​como auxílio no diagnóstico de doenças hepáticas por meio da ultrassonografia ainda é pouco pesquisado. A hipótese a ser testada é a utilidade que a IA pode ter na avaliação, seus usos gerais e específicos na redução dos tempos de cálculo do índice hepatorrenal.

Neste estudo, foram incluídos 134 pacientes sem suspeita clínica de esteatose hepática. Todos os pacientes foram submetidos à ultrassonografia abdominal (US) e à ressonância magnética da fração gordurosa (RM-PDFF), assumidas como técnica de referência para avaliar o grau de esteatose. O índice hepatorrenal (US) foi calculado manualmente (HRIM) por 4 operadores qualificados. Um cálculo automático do índice hepatorrenal (HRIA) também foi obtido por um algoritmo. A precisão do HRIA para discriminar diferentes graus de fígado gorduroso foi avaliada pela análise ROC usando pontos de corte MRI-PDFF.