Home Medizin Maschinelles Lernen hilft bei der Vorhersage des HCC-Risikos in MASLD

Maschinelles Lernen hilft bei der Vorhersage des HCC-Risikos in MASLD

von NFI Redaktion

OBERSTEN ZEILE:

Eine neue Studie zeigt, dass ein Modell für maschinelles Lernen (ML), das Standardlaborwerte und klinische Daten verwendet, dabei helfen kann, das Risiko eines hepatozellulären Karzinoms (HCC) bei Patienten mit metabolischer Dysfunktion-assoziierter steatotischer Lebererkrankung (MASLD) präzise vorherzusagen.

METHODIK:

  • Da die Inzidenz von HCC bei Patienten mit MASLD zunimmt, haben Forscher ein ML-Modell entwickelt, das das HCC-Risiko unabhängig von der Leberfibrose bei Patienten mit MASLD abschätzen kann.
  • Daten von 1561 Patienten mit MASLD wurden verwendet, um das Vorhersagemodell zu entwickeln und zu trainieren, das anschließend in einem unabhängigen Datensatz von 686 Patienten mit MASLD validiert wurde.
  • Die Forscher identifizierten Patienten mit MASLD und HCC in den elektronischen Patientenakten durch die Verwendung von ICD-9/10-Codes.

WEGBRINGEN:

  • In der Validierungskohorte sagte das Modell die HCC-Entwicklung mit einer Genauigkeit von 92,06 % voraus, mit einer Sensitivität von 74,41 % und einer Spezifität von 98,34 %.
  • Dabei war der nichtinvasive Fibrose-4-Score der stärkste prädiktive Parameter, gefolgt von Gesamtcholesterin, alkalisches Phosphat, Bilirubin und Bluthochdruck.

IN DER PRAXIS:

Das Modell könnte als Point-of-Care-Tool in klinischen Umgebungen sowie für die Bevölkerungstriage verwendet werden, um Risiken für die Entwicklung von HCC vorherzusagen und Screening-Strategien zu besprechen.

QUELLE:

Die Studie wurde am 22. Januar 2024 online in Fortschritte bei der Gastro Hep veröffentlicht und wurde von Souvik Sarkar, MD, von der University of California Davis, Sacramento, Kalifornien, geleitet.

EINSCHRÄNKUNGEN:

Die Studie hatte keine externe Finanzierung und basierte auf ICD-CM-Diagnosecodes. Die Größe der Kohorten war relativ klein, und das Modell berücksichtigte keine Leberbiopsie oder Bildgebungsbefunde.

OFFENLEGUNG:

Die Autoren gaben an, keine Interessenkonflikte zu haben und die Studie war nicht durch externe Geldgeber finanziert.

Related Posts

Adblock Detected

Please support us by disabling your AdBlocker extension from your browsers for our website.