Studien SCOUT-Echo-AI er designet for å evaluere den reelle effekten av AI-basert screening for lever sykdom. Steatose av leveren (SLD) er ofte funnet hos personer med hjerte- og karsykdommer, og blir ofte ikke diagnostisert før den utvikler seg til fibrotisk lever sykdom eller hepatocellulært karsinom. Rutinemessig transthorakalt ekkokardiogram fanger subkostale leverbilder, som per dagsgjennomgang ikke brukes klinisk. EchoNet-Liver algoritmen, som benytter kunstig intelligens (AI), brukes til å forutsi tilstedeværelsen av lever sykdom basert på disse ekkokardiogrammene.
Studien vil involvere en estimert rekruttering på omtrent 3 000 pasienter over seks forskjellige amerikanske helsevesen systemer: Kaiser Permanente Northern California, Stanford Healthcare, Cedars-Sinai Medical Center, University of California Los Angeles, Northwestern Medicine og Massachusetts General Brigham. Deltakerne vil gjennomgå rutinemessige ekkokardiogrammer, og AI-algoritmen vil analysere disse bildene. Klinikere eller deltakere vil bli varslet om potensielle udiagnostiserte lever sykdommer, noe som utløser spesifikke arbeidsflyter på stedet for å bekrefte funnene.
De primære resultatene vil måle deteksjonsraten av SLD og fibrotisk lever sykdom, sammen med de positive prediktive verdiene innen 12 måneder etter AI-identifikasjonen. Sekundære resultater vil vurdere diagnostisk nøyaktighet i forhold til andre gullstandard modaliteter, behandlingsstarttider, tid til diagnose og effekten på andre kliniske hendelser. Sammenligninger vil bli gjort mot historisk vanlig praksis og samtidige kohorter under terskelen. Studiens design er en enkeltarm, prospektiv, flerinstitusjonell, åpen etikett pragmatisk intervensjonsstudie. Målet er å forstå den kliniske nytteverdien og effekten av AI-basert, opportunistisk screening for lever sykdom.