European Radiology:非酒精性脂肪性肝病(NAFLD)的检测和深度学习在中国人群中的应用

2023-10-18 shaosai MedSci原创 发表于上海

非酒精性脂肪性肝炎是指少喝酒或不喝酒的人的肝脏(肝细胞)中积累了过多的脂肪(>5%),包括简单的脂肪变性(脂肪肝)、非酒精性脂肪肝炎(NASH,脂肪肝伴有炎症),可导致肝脏纤维化、肝硬化。

酒精性脂肪肝(NAFLD)是世界范围内非常常见的慢性疾病,全球综合患病率为29.8%,在中国大陆的总体患病率约为30%。其患病率在全球范围内不断上升,而中国的非酒精性脂肪肝负担在短时间内经历了意想不到的快速增长,从2008-2010年的25.4%上升到2015-2018年的32.3%

非酒精性脂肪性肝炎是指少喝酒或不喝酒的人的肝脏(肝细胞)中积累了过多的脂肪(>5%)包括简单的脂肪变性(脂肪肝)、非酒精性脂肪肝炎(NASH,脂肪肝伴有炎症),可导致肝脏纤维化、肝硬化,在某些情况下还可导致肝细胞癌然而在非酒精性脂肪肝的早期状态下,很可能出现自发的进展和消退因此,准确地对非酒精性脂肪肝的阶段和严重程度进行分类是非常重要的。磁共振成像(MRI)、质子密度脂肪分数(PDFF,以百分比计)、化学移位编码MRI、磁共振光谱和计算机断层扫描(CT)等成像方式对于量化肝脏脂肪含量(尤其是MRI-PDFF)具有高度的准确性和精确性。

对非酒精性脂肪肝严重程度(脂肪变性程度)的准确分类需要放射学方面的专业知识和适当的超声设备,而这在资源和专业知识匮乏的农村地区或中低收入国家(LMICs)往往是有限的。根据NAFLD指南,通过超声诊断NAFLD的严重程度需要多种特定的诊断特征。然而标记这些特征在很大程度上取决于放射科医生的专业知识。因此,由于放射科医生意见的主观性,也应考虑对研究参与者使用相同的标准进行共识审查。迄今为止,在深度学习研究中,基于放射科医生的诊断对非酒精性脂肪肝检测的诊断特征进行评估的数据还十分有限。


近日,发表在European Radiology杂志的一项研究使用了928名参与者中每个人的2张标有诊断特征的超声图像开发并验证了一个用于检测非酒精性脂肪肝存在和严重程度的深度学习系统(DLS),为进一步提高DLS的分类性能和可解释的临床相关效用提供了技术支持。

本项研究对中国杭州的4144名腹部超声扫描参与者进行了抽样调查,抽取了其中928名(617名[66.5%]女性,平均年龄:56岁±13[标准差])参与者(每名参与者2张图像)来开发和验证DLS,DLS一个两段式神经网络(2S-NNet)。放射科医生通过共识诊断将肝脏脂肪变性分为无脂肪变性、轻度、中度和重度并在数据集上探索了六个单节神经网络模型和五个脂肪肝指数的非酒精性脂肪病检测性能。同时进一步通过逻辑回归评估了参与者的特征对2S-NNet正确性的影响。 

2S-NNet对肝脂肪变性的曲线下面积(AUROC)为:≥轻度为0.90,≥中度为0.85,重度为0.93;对NAFLD的存在为0.90,中度至重度为0.84,重度为0.93。2S-NNet的非酒精性脂肪病严重程度的AUROC为0.88,单节模型为0.79-0.86。2S-NNet的非酒精性脂肪肝存在的AUROC为0.90,而脂肪肝指数为0.54-0.82。年龄、性别、体重指数、糖尿病、纤维化-4指数、安卓脂肪比率和通过双能X射线吸收仪测量的骨骼肌对2S-NNet的正确性没有明显影响(P>0.05)。 

 表 在测试数据集中,参与者的特征与2S-NNet对非酒精性脂肪肝严重程度分类的正确性之间的相关性(n = 179)


本项研究表明,通过使用两段式设计,2S-NNet提高了检测非酒精性脂肪肝的性能,与使用一段式设计相比具有更多可解释的临床相关价值及能力。 

原文出处:

Yang Yang,Jing Liu,Changxuan Sun,et al.Nonalcoholic fatty liver disease (NAFLD) detection and deep learning in a Chinese community-based population.DOI:10.1007/s00330-023-09515-1

相关资料下载:
[AttachmentFileName(sort=1, fileName=Nonalcoholic fatty liver disease NA Source Eur Radiol SO 2023.pdf)] GetArticleByIdResponse(id=0477e96617d4, projectId=1, sourceId=null, title=European Radiology:非酒精性脂肪性肝病(NAFLD)的检测和深度学习在中国人群中的应用, articleFrom=MedSci原创, journalId=2334, copyright=原创, creationTypeList=[1], summary=非酒精性脂肪性肝炎是指少喝酒或不喝酒的人的肝脏(肝细胞)中积累了过多的脂肪(>5%),包括简单的脂肪变性(脂肪肝)、非酒精性脂肪肝炎(NASH,脂肪肝伴有炎症),可导致肝脏纤维化、肝硬化。, cover=https://img.medsci.cn/20230326/1679867576310_4754896.jpeg, authorId=0, author=shaosai, originalUrl=, linkOutUrl=, content=<p style="color: #000000;"><span style="color: #000000;"><a href="https://www.medsci.cn/search?q=%E9%9D%9E%E9%85%92%E7%B2%BE%E6%80%A7%E8%84%82%E8%82%AA%E8%82%9D">非</a><a href="https://www.medsci.cn/topic/show?id=099f9548ed7">酒精性脂肪肝</a>(NAFLD)是世界范围内非常常见的慢性疾病,全球综合患病率为29.8%,在中国大陆的总体患病率约为30%。其患病率在全球范围内不断上升,而中国的非酒精性脂肪肝负担在短时间内经历了意想不到的快速增长,从2008-2010年的<strong>25.4%</strong>上升到2015-2018年的<strong>32.3%</strong>。</span></p> <p style="color: #000000;"><span style="color: #000000;">非酒精性脂肪性肝炎是指少喝酒或不喝酒的人的肝脏(<a href="https://www.medsci.cn/topic/show?id=c0b68135561">肝细胞</a>)中积累了过多的脂肪(&gt;5%)</span><span style="color: #000000;">,</span><span style="color: #000000;">包括简单的脂肪变性(脂肪肝)、非酒精性脂肪肝炎(NASH,脂肪肝伴有炎症),可导致肝脏纤维化、肝硬化,在某些情况下还可导致肝<a href="https://www.medsci.cn/topic/show?id=3b90e79787f">细胞癌</a>。</span><span style="color: #000000;">然而</span><span style="color: #000000;">在非酒精性脂肪肝的早期状态下,很可能出现自发的进展和消退</span><span style="color: #000000;">;</span><span style="color: #000000;">因此,准确地对非酒精性脂肪肝的阶段和严重程度进行分类是非常重要的。磁共振成像(MRI)、质子密度脂肪分数(PDFF,以百分比计)、化学移位编码MRI、磁共振光谱和计算机断层扫描(CT)等成像方式对于量化肝脏脂肪含量(尤其是MRI-PDFF)具有高度的准确性和精确性。</span></p> <p style="color: #000000;"><span style="color: #000000;">对非酒精性脂肪肝严重程度(脂肪变性程度)的准确分类需要放射学方面的专业知识和适当的超声设备,而这在资源和专业知识匮乏的农村地区或中低收入国家(LMICs)往往是有限的。根据NAFLD<a href="https://www.medsci.cn/guideline/search">指南</a>,通过超声<a href="https://www.medsci.cn/guideline/list.do?q=%E8%AF%8A%E6%96%AD">诊断</a>NAFLD的严重程度需要多种特定的诊断特征。</span><span style="color: #000000;">然而</span><span style="color: #000000;">,</span><span style="color: #000000;">标记这些特征在很大程度上取决于放射科医生的专业知识。因此,由于放射科医生意见的主观性,也应考虑对研究参与者使用相同的标准进行<a href="https://www.medsci.cn/guideline/list.do?q=%E5%85%B1%E8%AF%86">共识</a>审查。迄今为止,<strong>在深度学习研究中,基于放射科医生的诊断对非酒精性脂肪肝检测的诊断特征进行评估的数据</strong></span><strong><span style="color: #000000;">还十分</span><span style="color: #000000;">有限。</span></strong></p> <p style="color: #000000;"><span style="color: #3573b9;"><img class="wscnph" style="display: block; margin-left: auto; margin-right: auto;" src="https://img.medsci.cn/202301017/1697539347892_1605392.png" width="480" /><br />近日,发表在European&nbsp;Radiology杂志的一项研究使用了<strong>928</strong>名参与者中每个人的2张标有诊断特征的超声图像开发并验证了一个用于检测非酒精性脂肪肝存在和严重程度的深度学习系统(DLS),为进一步提高DLS的分类性能和可解释的临床相关效用提供了技术支持。</span></p> <p style="color: #000000;"><span style="color: #000000;">本项研究</span><span style="color: #000000;">对中国杭州的<strong>4144</strong>名腹部超声扫描参与者进行了抽样调查,抽取了</span><span style="color: #000000;">其中</span><span style="color: #000000;">928名(617名[66.5%]女性,平均年龄:56岁&plusmn;13[标准差])参与者(每名参与者2张图像)来开发和验证DLS,</span><span style="color: #000000;">该</span><span style="color: #000000;">DLS</span><span style="color: #000000;">为</span><span style="color: #000000;">一个两段式神经网络(2S-NNet)。放射科医生</span><span style="color: #000000;">通过</span><span style="color: #000000;">共识诊断将肝脏脂肪变性分为无脂肪变性、轻度、中度和重度</span><span style="color: #000000;">,</span><span style="color: #000000;">并在</span><span style="color: #000000;">数据集上探索了六个单节神经网络模型和五个脂肪肝指数的非酒精性脂肪病检测性能。</span><span style="color: #000000;">同时</span><span style="color: #000000;">进一步通过逻辑回归评估了参与者的特征对2S-NNet正确性的影响。&nbsp;</span></p> <p style="color: #000000;"><span style="color: #000000;">2S-NNet对肝脂肪变性的曲线下面积(AUROC)为:&ge;轻度为0.90,&ge;中度为0.85,重度为0.93;对NAFLD的存在为0.90,中度至重度为0.84,重度为0.93。2S-NNet的非酒精性脂肪病严重程度的AUROC为0.88,单节模型为0.79-0.86。2S-NNet的非酒精性脂肪肝存在的AUROC为0.90,而脂肪肝指数为0.54-0.82。年龄、性别、体重指数、<a href="https://www.medsci.cn/topic/show?id=4f77e665253">糖尿病</a>、纤维化-4指数、安卓脂肪比率和通过双能X射线吸收仪测量的骨骼肌对2S-NNet的正确性没有明显影响(P&gt;0.05)。&nbsp;</span></p> <p style="color: #000000; text-align: center;"><span style="color: #000000; font-size: 14px;">&nbsp;表&nbsp;在测试数据集中,参与者的特征与2S-NNet对非酒精性脂肪肝严重程度分类的正确性之间的相关性(n = 179)</span></p> <p style="color: #000000; text-align: center;"><span style="color: #000000;"><img class="wscnph" src="https://img.medsci.cn/202301017/1697539289146_1605392.png" width="480" /><br /></span></p> <p style="color: #000000;"><span style="color: #3573b9;">本项研究表明,<strong>通过使用两段式设计,2S-NNet提高了检测非酒精性脂肪肝的性能,与使用一段式设计相比具有更多可解释的临床相关价值及能力。&nbsp;</strong></span></p> <p style="color: #000000;"><span style="color: #999999; font-size: 12px;">原文出处:</span></p> <p style="color: #000000;"><span style="color: #999999; font-size: 12px;">Yang Yang,Jing Liu,Changxuan Sun,et al.Nonalcoholic fatty liver disease (NAFLD) detection and deep learning in a Chinese community-based population.DOI:<a style="color: #999999;" href="https://doi.org/10.1007/s00330-023-09515-1">10.1007/s00330-023-09515-1</a></span></p>, belongTo=, tagList=[TagDto(tagId=16297, tagName=深度学习), TagDto(tagId=104705, tagName=非酒精性脂肪性肝病(NAFLD))], categoryList=[CategoryDto(categoryId=22, categoryName=肝病, tenant=100), CategoryDto(categoryId=40, categoryName=影像放射, tenant=100), CategoryDto(categoryId=84, categoryName=研究进展, tenant=100), CategoryDto(categoryId=20656, categoryName=梅斯医学, tenant=100)], articleKeywordId=0, articleKeyword=, articleKeywordNum=6, guiderKeywordId=0, guiderKeyword=, guiderKeywordNum=6, opened=1, paymentType=1, paymentAmount=0, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=3169, appHits=37, showAppHits=0, pcHits=71, showPcHits=3132, likes=0, shares=0, comments=2, approvalStatus=1, publishedTime=Wed Oct 18 11:37:00 CST 2023, publishedTimeString=2023-10-18, pcVisible=1, appVisible=1, editorId=6556175, editor=影像放射新前沿, waterMark=0, formatted=0, deleted=0, version=3, createdBy=944d1605392, createdName=shaosai, createdTime=Tue Oct 17 18:45:23 CST 2023, updatedBy=2570354, updatedName=王佳佳BOM, updatedTime=Sat Jan 06 18:50:31 CST 2024, ipAttribution=上海, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=Nonalcoholic fatty liver disease NA Source Eur Radiol SO 2023.pdf)], guideDownload=1)
Nonalcoholic fatty liver disease NA Source Eur Radiol SO 2023.pdf
版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (2)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=2163704, encodeId=f7592163e04bc, content=学习, beContent=null, objectType=article, channel=null, level=null, likeNumber=20, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=http://thirdqq.qlogo.cn/g?b=oidb&k=IZRj1InIezJdooaEBnx4gA&s=100&t=1556292139, createdBy=ffac5288670, createdName=155485b2b8m, createdTime=Thu Oct 19 11:28:59 CST 2023, time=2023-10-19, status=1, ipAttribution=内蒙古), GetPortalCommentsPageByObjectIdResponse(id=2163657, encodeId=e65d216365ea3, content=<a href='/topic/show?id=774c1248491' target=_blank style='color:#2F92EE;'>#NAFLD#</a>肝活检、核磁准确性更高,临床同样需要适合大规模筛查的简便、易行的方法,同样更适合医疗资源相对匮乏的偏远地区。更好的早发现早治疗, beContent=null, objectType=article, channel=null, level=null, likeNumber=30, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=12484, encryptionId=774c1248491, topicName=NAFLD)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=b6f52080290, createdName=大贝儿, createdTime=Thu Oct 19 07:08:22 CST 2023, time=2023-10-19, status=1, ipAttribution=江苏省)]
    2023-10-19 155485b2b8m 来自内蒙古

    学习

    0

  2. [GetPortalCommentsPageByObjectIdResponse(id=2163704, encodeId=f7592163e04bc, content=学习, beContent=null, objectType=article, channel=null, level=null, likeNumber=20, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=http://thirdqq.qlogo.cn/g?b=oidb&k=IZRj1InIezJdooaEBnx4gA&s=100&t=1556292139, createdBy=ffac5288670, createdName=155485b2b8m, createdTime=Thu Oct 19 11:28:59 CST 2023, time=2023-10-19, status=1, ipAttribution=内蒙古), GetPortalCommentsPageByObjectIdResponse(id=2163657, encodeId=e65d216365ea3, content=<a href='/topic/show?id=774c1248491' target=_blank style='color:#2F92EE;'>#NAFLD#</a>肝活检、核磁准确性更高,临床同样需要适合大规模筛查的简便、易行的方法,同样更适合医疗资源相对匮乏的偏远地区。更好的早发现早治疗, beContent=null, objectType=article, channel=null, level=null, likeNumber=30, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=12484, encryptionId=774c1248491, topicName=NAFLD)], attachment=null, authenticateStatus=null, createdAvatar=, createdBy=b6f52080290, createdName=大贝儿, createdTime=Thu Oct 19 07:08:22 CST 2023, time=2023-10-19, status=1, ipAttribution=江苏省)]
    2023-10-19 大贝儿 来自江苏省

    #NAFLD#肝活检、核磁准确性更高,临床同样需要适合大规模筛查的简便、易行的方法,同样更适合医疗资源相对匮乏的偏远地区。更好的早发现早治疗

    0

相关资讯

Radiology:深度学习重建实现临床膝关节MRI扫描的加速!

自2016年以来,深度学习(DL)提供了更大的加速前景,通过使用适当配置的神经网络,允许从严重欠采样的数据中稳健地重建高质量的图像。DL为从一组训练数据中学习这个正则器提供了可能性。

Radiology:利用深度学习预测脑卒中低灌注病变

卷积神经网络是一种机器学习技术,通过使用多个卷积层进行预测并自动从图像中提取特征。与传统的基于阈值的方法相比,深度卷积神经网络,如U-Nets,在脑卒中病变预测中显示出优势。

European Radiology:利用深度学习对肾上腺增生进行CT全自动分类

最近,深度学习(DL)方法在医学成像中的腹部器官分割方面取得了很高的性能。然而,由于肾上腺体积小、形状复杂、与周围组织的边界粘连,其自动分割仍然具有挑战性。

European Radiology:超声波深度学习模型在诊断颈动脉斑块中的应用

深度学习在医学图像分析中表现出与放射科专家相当的性能,表明深度学习是一种很有前途的技术,可以提供类似于放射科专家的即时反馈和指导,可帮助提高初级放射科医生的颈动脉斑块检测性能。

European Radiology:腹部T2 mapping的深度学习重建

临床上引入了多重叠回声脱离(MOLED)序列以实现体内大脑的单次T2或扩散成像。由于超快的采集速度,MOLED可以 "冻结 "生理运动,无需呼吸触发、实现自由呼吸成像。

AMERICAN JOURNAL OF PATHOLOGY:通过深度学习预测胃癌患者免疫治疗反应的分子特征

基于深度学习的模型可能成为筛选胃癌患者免疫治疗受益人的宝贵工具。