<?xml version="1.0" encoding="iso-8859-1" standalone="no"?>
<!DOCTYPE GmsArticle SYSTEM "http://www.egms.de/dtd/2.0.34/GmsArticle.dtd">
<GmsArticle xmlns:xlink="http://www.w3.org/1999/xlink">
  <MetaData>
    <Identifier>26vzmnrw141</Identifier>
    <IdentifierDoi>10.3205/26vzmnrw141</IdentifierDoi>
    <IdentifierUrn>urn:nbn:de:0183-26vzmnrw1412</IdentifierUrn>
    <ArticleType>Meeting Abstract</ArticleType>
    <TitleGroup>
      <Title language="de">Maschinelles Lernen identifiziert MASH-Patienten im Fibrosestadium F2&#47;3</Title>
    </TitleGroup>
    <CreatorList>
      <Creator>
        <PersonNames>
          <Lastname>Moetamedi</Lastname>
          <LastnameHeading>Moetamedi</LastnameHeading>
          <Firstname>S.</Firstname>
          <Initials>S</Initials>
        </PersonNames>
        <Address>
          <Affiliation>Uniklinik RWTH Aachen, Klinik f&#252;r Gastroenterologie, Stoffwechselerkrankungen und Internistische Intensivmedizin (Med. Klinik III), Aachen, Deutschland</Affiliation>
        </Address>
        <Creatorrole corresponding="no" presenting="yes">author</Creatorrole>
      </Creator>
      <Creator>
        <PersonNames>
          <Lastname>Koop</Lastname>
          <LastnameHeading>Koop</LastnameHeading>
          <Firstname>P.-H.</Firstname>
          <Initials>P-H</Initials>
        </PersonNames>
        <Address>
          <Affiliation>Uniklinik RWTH Aachen, Klinik f&#252;r Gastroenterologie, Stoffwechselerkrankungen und Internistische Intensivmedizin (Med. Klinik III), Aachen, Deutschland</Affiliation>
          <Affiliation>Technische Universit&#228;t Dresden, Else Kr&#246;ner Fresenius Center for Digital Health, Dresden, Deutschland</Affiliation>
        </Address>
        <Creatorrole corresponding="no" presenting="no">author</Creatorrole>
      </Creator>
      <Creator>
        <PersonNames>
          <Lastname>Clusmann</Lastname>
          <LastnameHeading>Clusmann</LastnameHeading>
          <Firstname>J.</Firstname>
          <Initials>J</Initials>
        </PersonNames>
        <Address>
          <Affiliation>Uniklinik RWTH Aachen, Klinik f&#252;r Gastroenterologie, Stoffwechselerkrankungen und Internistische Intensivmedizin (Med. Klinik III), Aachen, Deutschland</Affiliation>
          <Affiliation>Technische Universit&#228;t Dresden, Else Kr&#246;ner Fresenius Center for Digital Health, Dresden, Deutschland</Affiliation>
          <Affiliation>German Cancer Consortium (DKTK) partner site Dresden and German Cancer Research Center (DKFZ), Heidelberg, Deutschland</Affiliation>
        </Address>
        <Creatorrole corresponding="no" presenting="no">author</Creatorrole>
      </Creator>
      <Creator>
        <PersonNames>
          <Lastname>Schneider</Lastname>
          <LastnameHeading>Schneider</LastnameHeading>
          <Firstname>K. M.</Firstname>
          <Initials>KM</Initials>
        </PersonNames>
        <Address>
          <Affiliation>Uniklinik RWTH Aachen, Klinik f&#252;r Gastroenterologie, Stoffwechselerkrankungen und Internistische Intensivmedizin (Med. Klinik III), Aachen, Deutschland</Affiliation>
          <Affiliation>Technische Universit&#228;t Dresden, Else Kr&#246;ner Fresenius Center for Digital Health, Dresden, Deutschland</Affiliation>
          <Affiliation>Universit&#228;tsklinikum Dresden, Medizinische Klinik 1, Dresden, Deutschland</Affiliation>
          <Affiliation>Technische Universit&#228;t Dresden, Center for Regenerative Therapies Dresden (CRTD), Dresden, Deutschland</Affiliation>
        </Address>
        <Creatorrole corresponding="no" presenting="no">author</Creatorrole>
      </Creator>
      <Creator>
        <PersonNames>
          <Lastname>Schneider</Lastname>
          <LastnameHeading>Schneider</LastnameHeading>
          <Firstname>C.</Firstname>
          <Initials>C</Initials>
        </PersonNames>
        <Address>
          <Affiliation>Uniklinik RWTH Aachen, Klinik f&#252;r Gastroenterologie, Stoffwechselerkrankungen und Internistische Intensivmedizin (Med. Klinik III), Aachen, Deutschland</Affiliation>
          <Affiliation>Technische Universit&#228;t Dresden, Else Kr&#246;ner Fresenius Center for Digital Health, Dresden, Deutschland</Affiliation>
        </Address>
        <Creatorrole corresponding="no" presenting="no">author</Creatorrole>
      </Creator>
    </CreatorList>
    <PublisherList>
      <Publisher>
        <Corporation>
          <Corporatename>German Medical Science GMS Publishing House</Corporatename>
        </Corporation>
        <Address>D&#252;sseldorf</Address>
      </Publisher>
    </PublisherList>
    <SubjectGroup>
      <SubjectheadingDDB>610</SubjectheadingDDB>
    </SubjectGroup>
    <DatePublishedList>
      <DatePublished>20260618</DatePublished>
    </DatePublishedList>
    <Language>germ</Language>
    <License license-type="open-access" xlink:href="http://creativecommons.org/licenses/by/4.0/">
      <AltText language="en">This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License.</AltText>
      <AltText language="de">Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung).</AltText>
    </License>
    <SourceGroup>
      <Meeting>
        <MeetingId>M0644</MeetingId>
        <MeetingSequence>141</MeetingSequence>
        <MeetingCorporation>Niederrheinisch-Westf&#228;lische Gesellschaft f&#252;r Chirurgie</MeetingCorporation>
        <MeetingCorporation>Gesellschaft f&#252;r Gastroenterologie in Nordrhein-Westfalen e.V.</MeetingCorporation>
        <MeetingName>192. Jahrestagung der Niederrheinisch-Westf&#228;lischen Gesellschaft f&#252;r Chirurgie, 34. Jahrestagung der Gesellschaft f&#252;r Gastroenterologie</MeetingName>
        <MeetingTitle>Viszeralmedizin NRW 2026</MeetingTitle>
        <MeetingSession>Gastroenterologie</MeetingSession>
        <MeetingCity>Dortmund</MeetingCity>
        <MeetingDate>
          <DateFrom>20260618</DateFrom>
          <DateTo>20260619</DateTo>
        </MeetingDate>
      </Meeting>
    </SourceGroup>
    <ArticleNo>141</ArticleNo>
  </MetaData>
  <OrigData>
    <TextBlock name="Text" linked="yes">
      <MainHeadline>Text</MainHeadline><Pgraph><Mark1>Hintergrund und Ziel:</Mark1> Metabolische Dysfunktion-assoziierte steatotische Lebererkrankung (MASLD) geh&#246;rt zu den h&#228;ufigsten Ursachen f&#252;r chronische Lebererkrankung weltweit. Besonders der Progress zu fortgeschrittenen Stadien wie der Metabolische Dysfunktion-assoziierten Steatohepatitis (MASH) erh&#246;ht die Morbidit&#228;t deutlich, weswegen k&#252;rzlich f&#252;r MASH in den Fibrosestadien F2&#47;3 mit Resmetirom die erste Therapie zugelassen wurde. Da die Identifikation geeigneter Patienten derzeit meist auf invasiven Biopsieergebnissen beruht, haben wir verschiedene Faktoren evaluiert, um Patienten mit erh&#246;htem Risiko k&#252;nftig nicht-invasiv identifizieren zu k&#246;nnen.</Pgraph><Pgraph><Mark1>Methode:</Mark1> Aus der UK-Biobank-Kohorte der 40.781 Teilnehmer mit verf&#252;gbaren MRT-Daten haben wir Patienten mit einem Protonendichte-Fettanteil (PDFF) &#8805; 5&#37; als Gruppe mit steatotischer Lebererkrankung (SLD) klassifiziert. Die 220 Patienten mit einem Eisen-korrigierten T1 (cT1) &#62; 880 ms bilden die Untergruppe mit fortgeschrittener Fibrose. Mithilfe eines Random Forest Classifier (RFC) Modells, welches &#252;ber 400 Parameter aus den Bereichen Demografie, medizinische Vorgeschichte, Blut- und Serumparameter, Genomik und Metabolomik inkludiert, wurde das Vorliegen von fortgeschrittener Fibrose vorhergesagt. Aus den f&#252;nf vorhersagest&#228;rksten Parametern dieser Analyse haben wir ein logistisches Regressionsmodell erstellt.</Pgraph><Pgraph><Mark1>Ergebnis:</Mark1> In unserem RFC-Modell lie&#223; sich eine maximale Fl&#228;che unter der Grenzwertoptimierungskurve (AUROC) von 0,72 sowie Fl&#228;che unter der Precision-Recall-Kurve von 0,06 erreichen. Durch die Inklusion von 15 Genomischen und 250 Metabolomischen Features wurde keine Verbesserung der Vorhersagegenauigkeit erreicht. Als wichtigste Faktoren f&#252;r cT1 &#62; 880 ms zeigten sich BMI, CRP, Leukozyten, Alter und ALT. Das logistische Regressionsmodell aus diesen f&#252;nf Faktoren erreichte eine AUROC von 0,73.</Pgraph><Pgraph><Mark1>Zusammenfassung:</Mark1> Unsere Analyse identifiziert f&#252;nf Parameter, dabei unter anderem inflammationsassoziierte Marker, als signifikante Pr&#228;diktoren f&#252;r eine fortgeschrittene Leberfibrose bei SLD-Patienten. Dies bietet perspektivisch einen einfachen Ansatz zur fr&#252;hzeitigen Identifikation von Patienten, die f&#252;r eine Therapie mit Resmetirom in Frage kommen.</Pgraph></TextBlock>
    <Media>
      <Tables>
        <NoOfTables>0</NoOfTables>
      </Tables>
      <Figures>
        <NoOfPictures>0</NoOfPictures>
      </Figures>
      <InlineFigures>
        <NoOfPictures>0</NoOfPictures>
      </InlineFigures>
      <Attachments>
        <NoOfAttachments>0</NoOfAttachments>
      </Attachments>
    </Media>
  </OrigData>
</GmsArticle>