Университет Осаки (Osaka Metropolitan University) представил новый метод диагностики жировой болезни печени, основанный на искусственном интеллекте. Научная группа, возглавляемая Научным сотрудником Савако Учида-Кобаяси (Sawako Uchida-Kobayashi) и Научным сотрудником Дайджу Уэдой (Daiju Ueda), разработала инновационную систему выявления заболевания по обычным рентгеновским снимкам грудной клетки.
Обычно диагностика жировой болезни печени требует дорогостоящих исследований — ультразвукового сканирования, компьютерной томографии (КТ), магнитно-резонансной томографии (МРТ). Однако ученые обнаружили, что стандартный рентгеновский снимок груди также частично охватывает печень, позволяя выявить признаки заболевания.
Для разработки модели исследователи использовали базу данных из 6 599 рентгеновских изображений, полученных от 4 414 пациентов. Модель была создана с использованием параметра контролируемого затухания (CAP).
Результаты исследования
Проведенное исследование показало высокую точность новой методики. Показатель площади под кривой рабочей характеристики приемника (AUC) составил от 0,82 до 0,83, что свидетельствует о высокой эффективности алгоритма в диагностике жировой болезни печени.
Полученные результаты опубликованы в авторитетном журнале «Radiology: Cardiothoracic Imaging». По мнению авторов, внедрение подобной технологии позволит значительно повысить доступность диагностики жировой болезни печени благодаря широкодоступному характеру обычных рентгенографий.
Заключение
Использование искусственного интеллекта для анализа рентгеновских снимков открывает новые перспективы для раннего выявления жировой болезни печени. Это особенно важно, учитывая распространенность заболевания среди населения планеты: оно поражает около четверти всех жителей Земли. Ранняя диагностика позволяет своевременно начать лечение и предотвратить развитие серьезных осложнений, включая цирроз и рак печени.
Ученые надеются, что разработанный ими алгоритм вскоре найдет практическое применение в медицинских учреждениях, облегчая диагностику и способствуя улучшению здоровья миллионов людей по всему миру.
Литература:
Daiju Ueda et al, Performance of a Chest Radiograph–based Deep Learning Model for Detecting Hepatic Steatosis, Radiology: Cardiothoracic Imaging (2025). DOI: 10.1148/ryct.240402