Die Pathogenese der hepatischen Steatose ist ein wichtiges Thema in der Gastroenterologie und Hepatologie. Studien haben gezeigt, dass hepatische Steatose das Risiko für chronische Lebererkrankungen und sogar den Tod erhöhen kann. Leberbiopsien sind nach wie vor ein wichtiger diagnostischer Schritt zur Bewertung von Lebererkrankungen. Aktuelle Richtlinien empfehlen jedoch auch nicht-invasive Tests zur Bewertung des Schweregrads und der Prognose von Lebererkrankungen.
Für die Quantifizierung von Leberfett wurden verschiedene Bildgebungsverfahren wie Magnetresonanztomographie (MRT), Computertomographie (CT) und Ultraschall entwickelt. Diese Techniken ermöglichen eine genaue Messung der Fettfraktion in der Leber. Studien haben gezeigt, dass die Messung von Leberfettgehalt mit CT valide und sogar mit MRT korreliert ist. Darüber hinaus wurden automatisierte Methoden entwickelt, um hepatische Steatose aus CT-Scans zu identifizieren.
In jüngsten Studien wurde festgestellt, dass hepatische Steatose bei COVID-19-Patienten häufiger auftritt und die Schwere der Erkrankung beeinflussen kann. Die Identifizierung von Leberveränderungen auf CT-Scans kann daher wichtige Informationen über den Verlauf von Krankheiten liefern.
Neben der Lebersteatose haben CT-Scans auch Anwendungen in der Bildgebung von anderen Erkrankungen, wie z. B. Lungenkrebs, gezeigt. Deep-Learning-Algorithmen werden zunehmend für die automatisierte Analyse von CT-Scans eingesetzt, um Struktur- und Gewebeveränderungen zu identifizieren. Diese Methoden haben das Potenzial, die Diagnose und das Management von Patienten mit verschiedenen Erkrankungen zu verbessern. Es ist wichtig, die Validität und Reproduzierbarkeit solcher Ansätze in der klinischen Praxis weiter zu untersuchen.