Ultraäänitietoihin perustuva sarkopenian arviointijärjestelmä

Sarkopenia on ikääntymiseen liittyvän lihasmassan ja lihasten toiminnan heikkenemisen oireyhtymä, joka voi liittyä useisiin sairauksiin ja joka on laajasti vuorovaikutuksessa erilaisten sairaustilojen kanssa ja vaikuttaa sairauden ennusteeseen. Sairaudet, kuten syöpä, diabetes, krooninen munuaissairaus ja nivelreuma, voivat kiihdyttää lihasten menetystä vaikuttamalla myogeenisten solujen regeneraatioon, häiritsemällä proteiinisynteesiä, lisäämällä proteiinin kulutusta ja lisäämällä proteiinien hajoamista ubikvitinaatioreitin kautta sekä motorisen toiminnan heikkenemistä. toiminta puolestaan ​​huonontaa entisestään sairauden ennustetta. Joistakin alueellisista eroista huolimatta sarkopenian esiintyvyyden on todettu ylittävän 10 %. Sarkopenian mahdollisen riskin varhainen tunnistaminen ja varhainen puuttuminen lihasmassan ja toiminnan heikkenemisen alkuvaiheisiin on yksi tärkeimmistä askeleista parantaa ikääntyneiden aikuisten elämänlaatua.

Tällä hetkellä sarkopenian diagnoosi perustuu kolmeen ominaisuuteen: lihasmassan menetys, lihasvoiman menetys ja fyysisen suorituskyvyn menetys. Tällä hetkellä lääkärit käyttävät yleensä biosähköistä impedanssianalyysiä (BIA) tai kaksoisenergiaröntgenabsorptiometriaa (DXA) luurankolihasmassaindeksin SMI:n määrittämiseen lihasmassan mittaamiseen, pitovoimatestiä lihasvoiman, kävelynopeuden mittaamiseen tai työkaluja, kuten SPPB:tä. pisteitä fyysisen suorituskyvyn arvioimiseksi. Sarkopenia-diagnoosi voidaan tehdä, kun koehenkilö kokee SMI:n laskun yhdistettynä pitovoiman heikkenemiseen tai kävelynopeuden laskuun.

Lääketieteellisen kuvantamisen alalla tutkijat ovat pyrkineet tutkimaan ja validoimaan sopivia kuvantamistyökaluja ja markkereita sarkopenian diagnosoimiseksi ja arvioimiseksi. Yleisiä menetelmiä lääketieteellisen kuvantamisen syvälouhintaan ovat radiomiikka ja koneoppiminen, yleensä analysoimalla lihasten rakennepiirteitä tietyissä kohdissa lihasten toiminnan kvantifioimiseksi tai segmentoimalla luustolihakset tarkasti kahdessa tai kolmessa ulottuvuudessa lihasmassan kvantifioimiseksi. Verrattuna tietokonetomografiaan (CT) tai magneettikuvaukseen (MRI), ultraääni on helpommin saatavilla oleva ja halvempi lääketieteellinen kuvantamistekniikka erityisesti pieni- ja keskituloisilla alueilla. Ultraäänellä voidaan kätevästi skannata paikallisia lihaksia ja saada lihasominaisuuksia, kuten lihaspaksuus, poikkileikkauspinta-ala ja pennaatiokulma. Aiemmat tutkimuksemme ovat osoittaneet, että iäkkäiden aikuisten SMI voidaan arvioida tarkasti käyttämällä lihaksen paksuutta neljässä kohdassa yhdessä perustietojen, kuten iän ja painoindeksin (BMI) kanssa, ja ovat havainneet alueiden välisessä validoinnissa, että arvioiden vakaus voi säilytetään yhteisöissä, joilla on hyvin erilaisia ​​etnisiä suhteita. Useat olemassa olevat suuret tutkimukset ultraäänestä sarkopeniassa keskittyvät kuitenkin tällä hetkellä vain lihasten morfologisiin mittauksiin, jättäen huomiotta suuren piilotetun ultraäänikuvainformaation määrän. Samaan aikaan skannausprosessin joustavuus on johtanut siihen, että radiomiikka tai syväoppimistyökalut vastustavat kuvien käyttöä tekoälyn luokittelussa enemmän kuin CT tai MRI.

Tällaisen dilemman edessä yritimme luoda älykkään sarkopenian riskiluokitusjärjestelmän, joka perustuu moniulotteiseen tietoon, mukaan lukien perustiedot, kuten ikä ja BMI, ultraäänimittaukset ja alkuperäinen kuvasisältö, täydentääksemme iäkkäiden aikuisten sarkopenian riskiluokitusta. yhden luukun tapaan, jotta voidaan toteuttaa nopea seulonta ja mahdollisten sarkopeniapopulaatioiden luokittelu kliinistä jatkohoitoa varten.