El hígado graso en el adulto es una enfermedad de origen metabólico que consiste en la acumulación de grasa en la célula hepática. Las personas con hígado graso pueden sentirse cansadas o tener malestar abdominal leve, pero por lo demás no tener síntomas.
A veces, el hígado graso causa enfermedad hepática avanzada, como fibrosis y cirrosis y ahora un grupo de investigación de la Universidad Metropolitana de Osaka (Japón) desarrolló un modelo de Inteligencia Artificial (IA) que puede detectar la presencia de enfermedad del hígado graso a partir de imágenes de radiografías de tórax.
Actualmente, las pruebas para diagnosticar la enfermedad del hígado graso incluyen ecografías, tomografías computarizadas y resonancias magnéticas, que requieren equipos e instalaciones especializadas de alto costo.
En cambio, las radiografías de tórax son más económicas, requieren una baja exposición a la radiación y se realizan con mayor frecuencia; principalmente para examinar el estado de los pulmones y el corazón, aunque también captura parte del hígado, lo que permite detectar signos de enfermedad del hígado graso.
Un modelo basado en aprendizaje profundo
El grupo de investigadores dirigido por los profesores Sawako Uchida-Kobayashi y Daiju Ueda en la Facultad de Medicina de la Universidad Metropolitana de Osaka utilizó 6.599 radiografías de tórax con datos de 4.414 pacientes que se sometieron a exámenes de parámetros de atenuación controlada (CAP), una técnica no invasiva que se utiliza para medir la cantidad de grasa en el hígado.
Durante el desarrollo del estudio, a todos los pacientes se les diagnosticó esteatosis hepática según el valor de CAP. Después se les dividió aleatoriamente en conjuntos de entrenamiento, ajuste y prueba interna y en conjuntos de prueba externa. Finalmente se entrenó, ajustó y evaluó un modelo basado en aprendizaje profundo para clasificar la esteatosis hepática mediante radiografías de tórax.
Lee también Descubren dos tipos de enfermedad hepática que podrían cambiar el tratamiento global
Así, se evaluó el rendimiento utilizando el área bajo la curva (AUC por sus siglas en inglés) que verificó la alta precisión del modelo de IA, con un resultado de entre 0,82 y 0,83. “El desarrollo de métodos de diagnóstico mediante radiografías de tórax fáciles de obtener y económicas tiene el potencial de mejorar la detección del hígado graso. Esperamos que pueda aplicarse en la práctica en el futuro”, afirmó la directora de la investigación Uchida-Kobayashi.
