Il Machine Learning Migliora il Rilevamento della Fibrosi MASLD Rispetto a FIB-4

Un articolo di ricerca pubblicato su arXiv (2605.20523) indaga l'uso di test non invasivi potenziati dal machine learning (MLE-NIT) per identificare la fibrosi avanzata nella steatosi epatica associata a disfunzione metabolica (MASLD). Lo studio ha utilizzato tre gruppi convalidati biopticamente provenienti da Cina, Malesia e India (n=784) per valutare le prestazioni di FIB-4 rispetto a una rete neurale shallow-deep (s-DNN), TabPFN e modelli linguistici di grandi dimensioni. Il gruppo cinese, composto da 486 pazienti per l'addestramento e 54 per la validazione, è stato la base per lo sviluppo del modello, mentre i risultati finali sono stati valutati su coorti provenienti da Malesia e India. I modelli includevano cinque fattori: età, FIB-4, aspartato aminotransferasi, conta piastrinica e alanina aminotransferasi, con l'obiettivo di MLE-NIT di migliorare la precisione diagnostica mantenendo il quadro variabile di FIB-4.