Daiju Ueda i współpracownicy z Uniwersytetu Metropolitalnego w Osace opracowali model oparty na algorytmach głębokiego uczenia, który skutecznie wykrywa stłuszczenie wątroby (steatosis) na podstawie zdjęć rentgenowskich klatki piersiowej. W badaniu wykorzystano dane 4414 pacjentów z dwóch japońskich klinik, z których każdy przeszedł 6599 zdjęć rentgenowskich klatki piersiowej oraz elastogramy wątroby z kontrolowanym parametrem tłumienia (CAP, ilościowy pomiar stłuszczenia). Pacjenci z jednej kliniki zostali losowo przydzieleni w stosunku 8:1:1 do zestawów danych w celu szkolenia, dostrojenia i wewnętrznego testowania modelu, natomiast uczestnicy z drugiej kliniki zostali włączeni do zewnętrznego zestawu danych testowych. Wyniki opublikowano w czasopiśmie Radiology: Cardiothoracic Imaging.
Zbiór danych do testów wewnętrznych obejmował 529 zdjęć rentgenowskich klatki piersiowej od 363 pacjentów (średni wiek 56 lat; 344 mężczyzn), a do testów zewnętrznych – 1100 zdjęć rentgenowskich od 783 pacjentów (średni wiek 58 lat; 604 mężczyzn). Podczas testów wewnętrznych pole pod krzywą ROC wynosiło 0,83; dokładność 77%; czułość 68%; a swoistość 82%. W przypadku testów zewnętrznych wartości te wynosiły odpowiednio 0,82; 76%, 76% i 76%. Wydajność modelu oceniono jako dobrą.
