AI elaborează o hartă detaliată a distribuției grăsimii și mușchilor pentru a prezice riscuri majore de sănătate
Cercetătorii au utilizat AI pentru a analiza scanările MRI ale întregului corp de la peste 66.000 de participanți, creând astfel cea mai detaliată hartă de referință despre distribuția grăsimii și mușchilor în corpul uman, în funcție de vârstă, sex și înălțime.
Studiul a fost publicat astăzi în revista Radiology, a Societății Radiologice din America de Nord (RSNA). Rezultatele indică faptul că calitatea și cantitatea mușchilor scheletici, nu doar grăsimea viscerală, sunt predictori puternici pentru diabet, evenimente cardiovasculare majore și mortalitate.
Clinicienii au folosit de mult timp indicele de masă corporală (IMC) și greutatea corporală pentru a estima riscurile cardiometabolice – legătura dintre sistemele cardiovasculare (inimă/vas) și cele metabolice (procesarea energiei/nutrienților) în sănătate. Însă IMC este o măsură rudimentară a compoziției corporale, bazându-se doar pe înălțime și greutate, fără a lua în considerare masa musculară sau distribuția grăsimilor.
Mulți scoruri de risc și decizii de tratament se bazează în continuare pe IMC sau circumferința taliei din motive de simplitate. IMC nu reflectă în mod fiabil compoziția corporală reală a unei persoane.
Jakob Weiss a declarat că comunitatea medicală nu dispune de standarde de referință pentru cum se schimbă compoziția corporală la indivizi asimptomatici pe măsură ce îmbătrânesc, precum și de diferențele între bărbați și femei.
„Există dovezi tot mai mari că măsurile de compoziție corporală sunt factori de risc independenți pentru bolile cardiometabolice și oncologice, precum și pentru mortalitate,” a spus Matthias Jung. „Aceste măsuri sunt influențate de înălțime și sex și se schimbă semnificativ odată cu vârsta.”
Studiul retrospectiv a inclus o cohortă de 66.608 indivizi (vârsta medie de 57,7 ani, 34.443 bărbați, IMC mediu: 26,2) care au trecut printr-o scanare MRI a întregului corp ca participanți în UK Biobank și Colecta Națională Germană între aprilie 2014 și mai 2022.
Cercetătorii au calculat metrici ale compoziției corporale normalizate în funcție de vârstă, sex și înălțime din scanările MRI, folosind un cadru de învățare profundă complet automatizat și open-source. Metricile, inclusiv țesutul adipos subcutanat, țesutul adipos visceral, mușchiul scheletic, fracția de grăsime din mușchiul scheletic și țesutul adipos intramuscular, au fost exprimate ca scoruri z, care arată cât de mult se abate un individ de la norma ajustată în funcție de vârstă, sex și înălțime.
Ulterior, cercetătorii au efectuat analize statistice pentru a evalua valoarea prognostică a categoriilor de scoruri z (scăzut: z1) în predicția incidenței diabetului, evenimentelor cardiovasculare adverse majore și mortalității totale.
Au descoperit că grăsimea viscerală ridicată era asociată cu un risc de 2,26 ori mai mare de diabet viitor, grăsimea intramusculară ridicată era asociată cu un risc de 1,54 ori mai mare de evenimente cardiovasculare majore viitoare, iar mușchii scheletici scăzuți erau asociați cu o mortalitate totală cu 1,44 ori mai mare, dincolo de factorii de risc cardiometabolici.
„Nu este vorba doar de cât de mult mușchi ai, ci și de calitatea acelui mușchi,” a afirmat Jung. „Cunoașterea volumului de grăsime intramusculară ne oferă o fereastră în calitatea mușchilor, ceea ce alte metode, precum IMC, analiza prin bioimpedanță electrică sau DEXA, nu pot oferi cu ușurință.”
Echipa de cercetare a generat de asemenea curbe de referință normalizate în funcție de vârstă, sex și înălțime pentru măsurile cheie ale compoziției corporale.
„Ajustarea factorilor confuzivi este esențială pentru îmbunătățirea acurateței screening-ului și personalizarea deciziilor de tratament,” a declarat Weiss. „Acest instrument are potențialul de a identifica dacă compoziția corporală a unui individ îi pune în risc mai mare de boli metabolice comparativ cu colegii lor de aceeași vârstă.”
Cercetătorii au lansat un calculator online open-source de scoruri z pentru compoziția corporală, ajustat în funcție de vârstă, sex și înălțime, pentru a sprijini cercetările viitoare și a accelera traducerea clinică, permițând cercetătorilor și clinicianilor să normalizeze propriile seturi de date pentru o mai bună comparabilitate și generalizare.
„Acest instrument poate permite clinicianilor să folosească imagistica de rutină oportunist,” a declarat Weiss. „O scanare dedicată MRI a întregului corp nu este neapărat necesară. Dacă există deja o scanare CT sau MRI de rutină, informațiile pot fi extrase pentru a fi comparate cu valorile de referință.”
Weiss a menționat că instrumentul AI ar putea de asemenea să ajute la îmbunătățirea stratificării riscului în oncologie sau să distingă între pierderea de grăsime dorită și pierderea nedorită de mușchi la pacienții care utilizează medicamente pentru slăbire, cum ar fi agonistii GLP-1.
„Imaginăm deja pacienți în fiecare zi,” a subliniat Weiss. „La fiecare scanare a abdomenului sau pieptului, informațiile sunt acolo, doar că nu le măsurăm sau raportăm în mod obișnuit. AI ne permite acum să accesăm această stratificare ascunsă de date într-un mod cantitativ și reproductibil.”
Următorii pași pentru cercetători includ validarea curbelor de referință în populații clinice, în special în predicția toxicității tratamentului, supraviețuirii și recidivei la pacienții cu cancer, precum și dezvoltarea valorilor de referință specifice pentru alte grupuri de pacienți.
