In dieser Studie wurde eine 3D-Dixon-MRT-Technik zur präzisen Quantifizierung der Leberfettverteilung entwickelt, mit dem Ziel, ihre Wirksamkeit als genaues, nicht-invasives Instrument zur Beurteilung und Differenzierung von Fettmustern in normalen versus steatotischen Lebern zu validieren. Zu den jüngsten Fortschritten bei der Quantifizierung von MRT-Fett gehören Ansätze zur Modellierung normaler 3D-Verteilungen, die Dixon-Bildgebung mit Leberstruktursegmentierung integrieren, um eine präzise Visualisierung und Umgebung von Leberfettfraktionsmustern zu ermöglichen. Die Integration von KI-gesteuerter medizinischer Bildgebung, Deep Learning, 3D-Visualisierung und einer multimodalen Datenfusion verbessert die Modellierung der gesamten Leber und die steatotische Beurteilung und erleichtert die präzise Entscheidungsfindung in der Klinik.

Zu den aktuellen experimentellen Herausforderungen gehören die Standardisierung von Berechnungsabläufen, der Umgang mit Variationen in Geräten und Protokollen sowie die Aufklärung der Mechanismen des Krankheitsverlaufs in der hepatischen Steatoseforschung. Unser Protokoll bietet den Vorteil der 3D-Beurteilung des Leberfettanteils und übertrifft die 2D-Techniken. Die Ergebnisse werden die Forschung auf unserem Gebiet voranbringen, indem sie eine umfassende und genaue 3D-LFF-Bewertung verschiedener Stadien der Fettlebererkrankung ermöglichen, die für Behandlungsentscheidungen und die Bewertung der Prognose entscheidend ist.