Modeling Reductions in Liver Fat: Comparing Noninvasive Tests to Magnetic Resonance Imaging–Proton Density Fat Fraction
Notice bibliographique
Résumé
Background and Aims: Magnetic resonance imaging-proton density fat fraction (MRI-PDFF) is an accurate, noninvasive tool for diagnosing metabolic dysfunction-associated steatotic liver disease, but its feasibility is limited in routine clinical practice. We aimed to assess the clinical utility of alternative, cost-efficient approaches for assessing liver fat changes and their relationship with MRI-PDFF changes. Methods: This is a secondary analysis of a phase 2a study that included adults with metabolic dysfunction-associated steatotic liver disease who received clesacostat, a selective, reversible inhibitor of acetyl-CoA carboxylase. In this secondary analysis, responders were defined as those in whom a ≥30% decrease in liver fat by MRI-PDFF was observed with clesacostat or placebo. Other endpoints were evaluated for their ability to predict MRI-PDFF responder status, including controlled attenuation parameter (CAP), liver enzymes (alanine aminotransferase, aspartate aminotransferase, and gamma-glutamyl transferase), metabolic dysfunction-associated steatohepatitis-related biomarkers (liver stiffness measurement by vibration-controlled transient elastography, cytokeratin 18-M30, and cytokeratin 18-M65), and markers of hepatic steatosis (hepatic steatosis index and fatty liver index). These relationships were investigated through correlation, univariate, and multivariable regression analyses. Results: Of 260 participants with a baseline and on-treatment measure at week 12 or week 16, 143 were responders. Based on correlation analyses, a significant but weak positive correlation between MRI-PDFF and CAP measurements of relative percentage change from baseline in liver fat was observed. By combining the selected 6 parameters (CAP, hepatic steatosis index, fatty liver index, alanine aminotransferase, gamma-glutamyl transferase, and cytokeratin 18-M65) through multivariable regression modeling, responders can be predicted with a high level of sensitivity and specificity (mean area under the receiver operating characteristic curve = 0.831 from 10-fold cross-validation). Conclusion: Modeling multiple noninvasive assessments of liver fat closely aligned with MRI-PDFF measurements. These data support further assessment of its suitability in real-world clinical practice.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».