Ultrasound-Based Prediction of Cirrhosis Decompensation Using Large-Scale Computer Vision Models
本研究提出一种利用大规模计算机视觉模型分析常规腹部超声图像以预测肝硬化失代偿的新方法。该框架整合自动化超声数据处理与现代深度学习架构，旨在识别临床恶化前的高风险患者。超声因其广泛可用、低成本及适合纵向监测的特性，成为可扩展风险分层和长期随访的理想模态。该方法提取了传统实验室风险评分无法捕捉的预测特征，为非侵入性策略提供了实用补充，有助于对代偿期肝硬化患者进行更早、更主动的管理。