圣迭戈——根据新研究，一种由人工智能（AI）驱动的算法可能能够根据影像学发现及其他患者电子病历中的标准，准确检测早期代谢功能障碍相关性脂肪肝病（MASLD）。在被算法识别为符合MASLD标准的患者中，只有少数患者有与MASLD相关的诊断代码。
“相当一部分符合MASLD标准的患者未被诊断，这可能导致治疗延迟和进展为晚期肝病，”该研究的主要作者、华盛顿大学西雅图分校内科住院医师Ariana Stuart博士在2024年美国肝病研究协会（AASLD）年会上介绍研究结果（摘要2360）时表示。“然而，人们不应将我们的研究结果解读为初级保健培训或管理的不足。相反，这项研究表明，AI可以补充医生的工作流程，解决传统临床实践的局限性。”
开发MASLD算法
通常情况下，MASLD的识别依赖于医生的认识和病历记录中的描述，Stuart说。早期疾病往往未被注意，特别是如果患者没有症状，直到肝硬化发展才会被发现。
为了应对这一问题，Stuart及其同事根据AASLD的MASLD标准创建了一个基于机器学习和自然语言处理的AI算法：影像学上的肝脂肪变性和至少一个代谢因素（体重指数升高、高血压、糖尿病前期或糖尿病、血脂异常）。该模型由两名医生验证，他们手动审查了算法生成的每月队列。
2023年12月至2024年5月期间，研究人员使用该算法分析了西雅图地区医疗中心的MASLD队列。平均年龄为51岁，44%为女性，68%为白人。排除了酒精相关性肝病、转移性恶性肿瘤以及自身免疫性、遗传性和感染性肝病的患者。
该算法识别出957名影像学符合MASLD标准的患者。其中，137名患者（17%）被算法识别为有MASLD相关诊断代码。对于这些患者，从最初显示脂肪变性的影像到诊断的平均时间为33天，根据患者记录显示。
此外，在研究期间，另有26名患者被诊断为MASLD，平均诊断时间为56.2天。
在患者管理方面，245名患者（26%）根据信件、电话或就诊记录与胃肠科医生或肝病专家有过接触。此外，546名患者（57%）接受了丙型肝炎筛查。
调整过12.8%的过度纳入错误率和0.02%的过度诊断率后，研究团队发现697名患者（83%）缺乏相关诊断。经过多次迭代，该算法的准确率达到了约88%，Stuart说。
考虑未来AI应用
Stuart及其同事目前正在更大群体和更长时间内测试该算法。之后，他们打算实施一项质量改进计划，以提高医生和初级保健提供者的意识，并培训用户如何解释和处理病历中肝脂肪变性的发现。
例如，未来的AI模型可以标记需要进一步检查的患者，改善病历审查，并辅助围绕MASLD相关的心血管代谢合并症的研究工作，她说。
展望未来，像这样的AI工具代表了研究、患者护理和临床工作流程进步的可能性，田纳西州范德比尔特大学助理教授兼移植肝病学家Ashley Spann博士表示，她还是范德比尔特胃肠病学部门临床研究信息学主任。“在我看来，AI实际上是增强智能，”她补充道。“我们需要考虑涉及的人和过程。”
Spann在接受《Medscape Medical News》采访时谈到医学中AI工具的使用，强调了AI使用中的透明度、输入输出数据的仔细验证、医学中机器学习模型的框架以及机构间的标准化需求。“我们最终需要的是支持这些模型同时部署和评估的基础设施，”她说。“我们都必须在同一页面上，确保我们的模型在多个环境中有效，并根据算法警戒进行调整。”
Stuart报告称没有相关利益冲突。Spann担任Epic肝病指导委员会成员，该委员会专注于如何在电子病历中使用AI工具。
(全文结束)
