Systém hodnocení sarkopenie na základě ultrasonografických dat

Sarkopenie je syndrom úbytku svalové hmoty a snížení svalové funkce související s věkem, který může být komorbidní s řadou onemocnění a značně interaguje s různými chorobnými stavy, aby ovlivnil prognózu onemocnění. Nemoci, jako je rakovina, cukrovka, chronické onemocnění ledvin a revmatoidní artritida, mohou urychlit proces ztráty svalové hmoty ovlivněním regenerace myogenních buněk, narušení syntézy proteinů, zvýšením spotřeby proteinů a zvýšením degradace proteinů cestou ubikvitinace a poklesem motoriky. funkce bude zase dále zhoršovat prognózu onemocnění. Přes některé regionální rozdíly bylo zjištěno, že prevalence sarkopenie přesahuje 10 %. Včasná identifikace potenciálního rizika sarkopenie a včasná intervence v raných fázích poškození svalové hmoty a funkce je jedním z nejdůležitějších kroků ke zlepšení kvality života starších dospělých.

V současné době se diagnóza sarkopenie opírá o tři znaky: ztrátu svalové hmoty, ztrátu svalové síly a ztrátu fyzické výkonnosti. V současné době lékaři obvykle používají bioelektrickou impedanční analýzu (BIA) nebo dvouenergetickou rentgenovou absorpciometrii (DXA) ke stanovení indexu hmoty kosterního svalstva SMI k měření svalové hmoty, test síly úchopu k měření svalové síly, rychlosti chůze nebo nástroje jako SPPB skóre pro hodnocení fyzické výkonnosti. Diagnózu sarkopenie lze stanovit, když subjekt zaznamená pokles SMI v kombinaci se snížením síly úchopu nebo snížením rychlosti chůze.

V oblasti lékařského zobrazování vědci pracují na prozkoumání a ověření vhodných zobrazovacích nástrojů a markerů pro diagnostiku a hodnocení sarkopenie. Běžné metody pro hloubkovou těžbu lékařského zobrazování zahrnují radiomiku a strojové učení, obvykle analýzou texturních rysů svalů na konkrétních místech pro kvantifikaci svalové funkce nebo přesnou segmentací kosterních svalů ve dvou nebo třech rozměrech pro kvantifikaci svalové hmoty. Ve srovnání s počítačovou tomografií (CT) nebo magnetickou rezonancí (MRI) je ultrazvuk dostupnější a méně nákladnou lékařskou zobrazovací technikou, zejména v regionech s nízkými a středními příjmy. Ultrazvuk lze použít k pohodlnému skenování místních svalů a získání charakteristik svalů, jako je tloušťka svalu, plocha průřezu a úhel pera. Naše předchozí studie prokázaly, že SMI u starších dospělých lze přesně odhadnout pomocí tloušťky svalů na čtyřech místech spolu se základními informacemi, jako je věk a index tělesné hmotnosti (BMI), a při meziregionální validaci zjistili, že stabilita odhadů může být být zachována napříč komunitami s velmi rozdílnými etnickými poměry. Několik existujících velkých studií o ultrazvuku u sarkopenie se však v současné době zaměřuje pouze na svalová morfologická měření a ignoruje velké množství skrytých ultrazvukových obrazových informací. Flexibilita skenovacího procesu zároveň vedla k většímu odporu ze strany radiomik nebo nástrojů hlubokého učení používat snímky pro klasifikaci umělé inteligence než CT nebo MRI.

Před takovýmto dilematem jsme se pokusili vytvořit inteligentní systém hodnocení rizika sarkopenie, založený na vícerozměrných datech včetně základních informací, jako je věk a BMI, ultrazvuková měření a původní obsah snímků, abychom dokončili hodnocení rizika sarkopenie u starších dospělých v jednorázovým způsobem, aby bylo možné realizovat rychlý screening a klasifikaci potenciálních populací sarkopenie pro další klinickou léčbu.