Daiju Ueda i jego współpracownicy z Osaka Metropolitan University opracowali model oparty na algorytmach głębokiego uczenia maszynowego, który skutecznie wykrywa stłuszczenie wątroby (stłuszczenie) na zdjęciach rentgenowskich narządów klatki piersiowej. W pracy wykorzystano dane od 4414 pacjentów z dwóch japońskich klinik, u których wykonano 6599 zdjęć rentgenowskich klatki piersiowej i elastogramów wątroby z określeniem kontrolowanego parametru tłumienia (CAP, ilościowy wskaźnik stopnia stłuszczenia). Pacjenci z jednej z klinik zostali losowo przydzieleni w stosunku 8:1:1 do zestawów danych w celu szkolenia, dostrajania i wewnętrznego testowania modelu, a uczestnicy z drugiej kliniki zostali uwzględnieni w zestawie danych w celu zewnętrznego testowania. Wyniki opublikowano w czasopiśmie Radiology: Cardiothoracic Imaging.
Zestaw danych do testów wewnętrznych obejmował 529 zdjęć rentgenowskich klatki piersiowej 363 pacjentów (średni wiek 56 lat; 344 — mężczyźni), dla testów zewnętrznych — 1100 zdjęć rentgenowskich 783 pacjentów (średni wiek 58 lat; 604 — mężczyźni). Podczas testów wewnętrznych pole pod krzywą ROC wynosiło 0,83; dokładność — 77 procent; czułość — 68 procent, a swoistość — 82 procent. Podczas testów zewnętrznych wskaźniki te wynosiły odpowiednio 0,82; 76, 76 i 76 procent. Wydajność modelu oceniono jako dobrą.
