Eine Fettlebererkrankung, die etwa jeden vierten Menschen weltweit betrifft, kann unbehandelt zu schweren Komplikationen wie Zirrhose oder Leberkrebs führen. Während Standarddiagnosen wie Ultraschall, CT oder MRT teure Spezialgeräte erfordern, bieten Röntgenaufnahmen des Brustkorbs eine kostengünstige Alternative mit geringer Strahlenbelastung. Obwohl primär für Lunge und Herz genutzt, zeigen diese Bilder auch Teile der Leber, was eine Erkennung von Fettleber ermöglicht. Dieser Zusammenhang war bisher kaum erforscht.

Ein Team unter Leitung von Associate Professor Sawako Uchida-Kobayashi und Associate Professor Daiju Ueda von der Osaka Metropolitan University entwickelte ein KI-Modell, das Fettlebererkrankungen anhand von Röntgenbildern des Brustkorbs identifiziert. In einer retrospektiven Studie wurden 6.599 Röntgenbilder von 4.414 Patienten analysiert, um das Modell zu trainieren, das kontrollierte Abschwächungsparameter (CAP) nutzt. Das Modell erreichte eine hohe Genauigkeit mit einer Fläche unter der Empfängerbetriebskennlinie (AUC) von 0,82 bis 0,83.

Die Methode könnte die frühzeitige Diagnose von Fettlebererkrankungen erheblich verbessern, da Röntgenaufnahmen weit verbreitet und kostengünstig sind. Die Forscher hoffen, dass die KI-gestützte Diagnostik bald in der klinischen Praxis eingesetzt wird, um die Erkennung und Behandlung dieser Erkrankung zu erleichtern.

Original Paper:

Performance of a Chest Radiograph–based Deep Learning Model for Detecting Hepatic Steatosis | Radiology: Cardiothoracic Imaging

Lesen Sie auch:

Fettleber in der Schwangerschaft kann das Risiko einer Frühgeburt erhöhen – MedLabPortal

Redaktion: X-Press Journalistenbüro GbR

Gender-Hinweis. Die in diesem Text verwendeten Personenbezeichnungen beziehen sich immer gleichermaßen auf weibliche, männliche und diverse Personen. Auf eine Doppel/Dreifachnennung und gegenderte Bezeichnungen wird zugunsten einer besseren Lesbarkeit verzichtet.