Studie SCOUT-Echo-AI je navržena k hodnocení dopadu AI-řízeného oportunního screeningu jaterních onemocnění. **AI**-řízený oportunní screening jaterních onemocnění je klíčový pro zlepšení diagnostiky.
Study Design and Participants
Steatosis hepatis (SLD) je často přítomna u pacientů s kardiovaskulárními chorobami a často zůstává diagnostikována až v pokročilých stadiích, jako je fibrotická játra a hepatocelulární karcinom. Studie bude zahrnovat odhadované počáteční zapojení přibližně 3 000 pacientů v šesti rozmanitých zdravotnických systémech USA: Kaiser Permanente Northern California, Stanford Healthcare, Cedars-Sinai Medical Center, University of California Los Angeles, Northwestern Medicine a Massachusetts General Brigham. Účastníci budou podstoupit rutinní echokardiogramy a AI algoritmus bude analyzovat tyto obrazy.
Key Outcomes and Analysis
Lékaři nebo účastníci budou informováni o potenciálně nezjištěných jaterních onemocněních, což spustí specifické postupy na místě pro potvrzení zjištění. Primární výsledky budou měřit míry detekce SLD a fibrotické jaterní onemocnění, spolu s pozitivními prediktivními hodnotami do 12 měsíců od AI identifikace. Sekundární výsledky budou hodnotit diagnostickou přesnost ve srovnání s jinými zlatými standardy, časové rámce zahájení léčby, čas do diagnózy a dopad na další klinické události. Porovnání bude provedeno s historickou běžnou péčí a současnými kohortami pod prahem. Studie má design jednoho ramene, prospektivní, multicentrický, otevřeného štítku pragmatický intervenční studie. Cílem je pochopit klinickou užitečnost a dopad AI-řízeného oportunního screeningu jaterních onemocnění. **SLD** a **AI** jsou klíčové prvky této studie.