Η λιπώδης νόσος του ήπατος, που προκαλείται από τη συσσώρευση λίπους στο ήπαρ, εκτιμάται ότι επηρεάζει έναν στους τέσσερις ανθρώπους παγκοσμίως. Εάν αφεθεί χωρίς θεραπεία, μπορεί να οδηγήσει σε σοβαρές επιπλοκές, όπως κίρρωση και καρκίνο του ήπατος, γεγονός που καθιστά ζωτικής σημασίας την έγκαιρη ανίχνευση και την έναρξη θεραπείας. Τώρα, νέα μελέτη υποστηρίζει ότι η τεχνητή νοημοσύνη (AI) μπορεί να αποτελέσει ένα σημαντικό σύμμαχο.
Επί του παρόντος, οι συνήθεις εξετάσεις για τη διάγνωσή της περιλαμβάνουν υπερήχους, αξονικές τομογραφίες και μαγνητικές τομογραφίες, οι οποίες απαιτούν δαπανηρό εξειδικευμένο εξοπλισμό και εγκαταστάσεις. Αντίθετα, οι ακτινογραφίες θώρακος πραγματοποιούνται συχνότερα, είναι σχετικά φθηνές και συνεπάγονται χαμηλή έκθεση σε ακτινοβολία.
Πώς «βλέπει» η AI την «κρυμμένη» λιπώδη ηπατική νόσο;
Αν και η εξέταση αυτή χρησιμοποιείται κυρίως για την εξέταση της κατάστασης των πνευμόνων και της καρδιάς, αποτυπώνει επίσης μέρος του ήπατος, καθιστώντας δυνατή την ανίχνευση ενδείξεων λιπώδους ηπατικής νόσου. Ωστόσο, η σχέση μεταξύ των ακτινογραφιών θώρακος και της λιπώδους νόσου του ήπατος έχει σπάνια αποτελέσει αντικείμενο ενδελεχούς μελέτης.
Ως εκ τούτου, η ερευνητική ομάδα με επικεφαλής την αναπληρώτρια καθηγήτρια Δρ. Sawako Uchida-Kobayashi και τον αναπληρωτή καθηγητή Δρ. Daiju Ueda από την Graduate School of Medicine του Osaka Metropolitan University, ανέπτυξε ένα μοντέλο τεχνητής νοημοσύνης που μπορεί να ανιχνεύσει την παρουσία λιπώδους ηπατικής νόσου από ακτινογραφίες θώρακος.
Σε αυτή την μελέτη, χρησιμοποιήθηκαν συνολικά 6.599 ακτινογραφίες θώρακος που περιείχαν δεδομένα από 4.414 ασθενείς για την ανάπτυξη ενός μοντέλου τεχνητής νοημοσύνης με χρήση των τιμών του ελεγχόμενου παραμέτρου εξασθένισης (Controlled Attenuation Parameter – CAP). Σύμφωνα με τους ερευνητές, το AI μοντέλο φάνηκε να είναι ιδιαίτερα ακριβές.
«Η ανάπτυξη διαγνωστικών μεθόδων με τη χρήση εύκολα προσιτών και φθηνών ακτινογραφιών θώρακος έχει τη δυνατότητα να βελτιώσει την ανίχνευση της λιπώδους ηπατικής νόσου. Ελπίζουμε ότι μελλοντικά θα μπορούσε να τεθεί σε πρακτική χρήση» καταλήγουν οι ερευνητές.
Η μελέτη έχει δημοσιευθεί στο Radiology: Cardiothoracic Imaging.
