Daiju Ueda i jego współpracownicy z Uniwersytetu Metropolitalnego w Osace opracowali model oparty na algorytmach głębokiego uczenia maszynowego, który skutecznie wykrywa stłuszczenie wątroby (steatosis) na zdjęciach rentgenowskich narządów klatki piersiowej. W pracy wykorzystano dane 4414 pacjentów z dwóch japońskich klinik, u których wykonano 6599 zdjęć rentgenowskich klatki piersiowej i elastogramów wątroby z określeniem kontrolowanego parametru tłumienia (CAP, ilościowego wskaźnika stopnia stłuszczenia). Pacjenci z jednej z klinik zostali losowo przydzieleni w stosunku 8:1:1 do zestawów danych w celu szkolenia, dostrojenia i wewnętrznego testowania modelu, a uczestnicy z drugiej kliniki zostali włączeni do zestawu danych w celu przeprowadzenia testów zewnętrznych. Wyniki opublikowano w czasopiśmie „Radiology: Cardiothoracic Imaging”.
Zbiór danych do testów wewnętrznych obejmował 529 zdjęć rentgenowskich klatki piersiowej 363 pacjentów (średni wiek 56 lat; 344 mężczyzn), a do testów zewnętrznych – 1100 zdjęć rentgenowskich 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 testach zewnętrznych wskaźniki te wynosiły odpowiednio 0,82; 76%, 76% i 76%. Wydajność modelu oceniono jako dobrą.