通常，脂肪肝的診斷需要使用超音波、CT、MRI等專業設備檢查，但大阪公立大學研究生院醫學研究科肝膽胰病態內科學的打田佐和子副教授與人工智慧學的植田大樹副教授的研究團隊，開發出了一種能夠從胸部X光影像判斷出是否有脂肪肝的AI模型。相關成果已發表在期刊《Radiology: Cardiothoracic Imaging》上。
圖1：胸部X光影像中AI判斷依據的視覺化（供圖：大阪公立大學）
脂肪肝是一種因脂肪在肝臟堆積而引發的疾病，據估計全球約每4人中就有1人罹患此病。若對脂肪肝放任不管，可能引發肝硬化、肝癌等嚴重合併症，因此早期發現並治療非常重要。
目前，脂肪肝的標準檢查方法有超音波檢查、CT、MRI等，均需要專業的裝置和設備。另一方面，胸部X光檢查在全球範圍內廣泛應用，相對廉價且輻射暴露量較少。該檢查原本是為了觀察肺部和心臟的狀態，但也能拍攝到部分肝臟，故有可能發現脂肪肝的跡象。然而，關於胸部X光檢查與脂肪肝之間的關聯，此前研究尚不充分。
研究團隊開發了利用胸部X光影像檢測脂肪肝的AI模型，並評估了其性能。為進行AI模型的開發與驗證，研究團隊收集了2013年至2023年10年間來自大阪公立大學醫學部附屬醫院及尖端預防醫療部附屬診所MedCity21的6599張胸部X光影像。脂肪肝的評估則基於FibroScan檢查的CAP值進行。將MedCity21患者的影像數據按8:1:1的比例隨機分為訓練集、調優集和內部測試集。此外，大阪公立大學醫學部附屬醫院的患者則作為外部測試集。
評估的結果顯示，內部測試集的AUC、準確率、靈敏度、特異度分別為0.83、77%、68%、82%，外部測試集則為0.82、76%、76%、76%，均表現出較高的精度。這表明利用胸部X光影像可輕鬆檢測脂肪肝的新的可能性。
開發的AI模型顯示出從胸部X光影像高精度推斷脂肪肝的可能性，有望拓寬脂肪肝診斷的選項範圍。由此，脂肪肝的早期發現與早期治療將成為可能，並可能促進患者的預後改善。通過使用該模型，僅憑胸部X光檢查即可進行脂肪肝篩檢，因此也有望通過減少檢查項目來減輕患者負擔並降低醫療成本。
今後，為進一步驗證模型的泛化性能並評估其在實際臨床中的有用性，需要在不同人群和環境下確認其性能，同時慎重確認其在實際診療應用中的效果和影響。研究團隊未來的目標是構建一個不會漏診脂肪肝、便於所有人接受的診斷系統。
打田副教授表示：「此次成功開發出了能夠從胸部X光影像高精度判斷是否有脂肪肝的AI模型。肝病早期幾乎沒有任何初期症狀，所以一般認為早期發現很困難。今後我們將進一步驗證該模型並推動其臨床應用，以期促進肝病的早期發現與早期治療。」
原文：《科學新聞》
翻譯：JST客觀日本編輯部
【論文資訊】
期刊：Radiology: Cardiothoracic Imaging
論文：Performance of a Chest Radiograph-based Deep Learning Model for Detecting Hepatic steatosis
DOI：doi.org/10.1148/ryct.240402
