Artificial intelligence for detecting and quantifying steatotic liver disease

Abstract

Summary The prevalence of hepatic steatosis is increasing globally. While non-invasive diagnostic methods like ultrasonography and clinical scoring systems have been suggested as alternatives to liver biopsy, their effectiveness has been questioned. Integrating Artificial Intelligence (AI) with traditional diagnostic methods is being explored to enhance the accuracy of non-invasive approaches. The research utilized science bibliographic databases for data retrieval, namely PubMed, Scopus, and Google Scholar. The search terms utilized were “fatty liver,” “hepatic steatosis” “artificial intelligent”, “machine learning”, “deep learning”, “convolutional neural network”, “artificial neural network” and “ultrasound” etc. The systematic review encompassed studies, which collectively demonstrated that AI had a notable impact on improving the diagnosis of various liver conditions including liver steatosis, steatohepatitis, liver fibrosis, and liver cirrhosis. Through qualitative analysis, it was found that AI was particularly effective in enhancing diagnostic accuracy for these conditions. The integration of AI-supported systems has shown promising advancements in the detection and quantification of steatosis, NASH, and liver fibrosis in patients with liver steatosis. These systems have demonstrated the ability to improve performance in accurately diagnosing and assessing the severity of liver diseases, providing healthcare professionals with valuable tools for more effective clinical management.

Rezumat

Prevalența steatozei hepatice este în creștere la nivel mondial. Deși metodele non-invazive de diagnostic, cum ar fi ultrasonografia și sistemele de scorificare clinică au fost sugerate ca alternative la biopsia hepatică, eficacitatea acestora a fost pusă sub semnul întrebării. Integrarea inteligenței artificiale (IA) cu metodele tradiționale de diagnosticare este în curs de explorare pentru a spori acuratețea abordărilor non-invazive. Cercetarea a utilizat baze de date bibliografice științifice PubMed, Scopus și Google Scholar. Termenii de căutare utilizați au fost „ficat gras”, „steatoză hepatică”, „inteligență artificială”, „învățare automată”, „învățare profundă”, „rețea neuronală convoluțională”, „rețea neuronală artificială” și „ultrasunete” etc. Review-ul sistematic a cuprins studii care au demonstrat că IA a avut un impact notabil asupra îmbunătățirii diagnosticului diferitelor afecțiuni hepatice, inclusiv a steatozei hepatice, steatohepatitei, fibrozei și cirozei hepatice. Prin intermediul analizei calitative s-a constatat că IA a fost deosebit de eficientă în îmbunătățirea acurateței diagnosticului pentru aceste afecțiuni. Integrarea sistemelor susținute de IA a demonstrat progrese promițătoare în detectarea și cuantificarea steatozei, steatohepatitei și a fibrozei hepatice la pacienții cu steatoză hepatică. Aceste sisteme au demonstrat capacitatea de a îmbunătăți performanța în diagnosticarea și evaluarea cu acuratețe a severității bolilor hepatice, oferind profesioniștilor din domeniul sănătății instrumente valoroase pentru un management clinic mai eficient.

Резюме

Распространенность стеатоза печени растет во всем мире. Неинвазивные методы диагностики, такие как ультразвуковое исследование и клинические балльные системы, были предложены в качестве альтернативы биопсии печени, однако их эффективность была поставлена под сомнение. В настоящее время изучается возможность интеграции искусственного интеллекта (ИИ) с традиционными методами диагностики для повышения точности неинвазивных подходов. Для поиска данных использовались научныe библиографическиe базы данных: PubMed, Scopus и Google Scholar. В качестве поисковых терминов использовались «жировая дистрафия печени», «стеатоз печени», «искусственный интеллект», «машинное обучение», «глубокое обучение», «конволюционная нейронная сеть», «искусственная нейронная сеть», «ультразвук» и т. д. В систематический обзор вошли исследования, которые в совокупности показали, что ИИ оказывает заметное влияние на улучшение диагностики различных заболеваний печени, включая стеатоз печени, стеатогепатит, фиброз и цирроз печени. С помощью качественного анализа было установлено, что ИИ особенно эффективен для повышения точности диагностики этих состояний. Интеграция систем с поддержкой искусственного интеллекта показала многообещающий прогресс в обнаружении и количественной оценке стеатоза, стеатогепатита и фиброза печени у пациентов со стеатозом печени. Эти системы продемонстрировали способность повышать эффективность точной диагностики и оценки тяжести заболеваний печени, предоставляя медицинским работникам ценные инструменты для более эффективного клинического лечения.