Valutazione e Rilevazione del Rischio di Sarcopenia Guidata dall'IA (SARC-AI)

Background:

La sarcopenia, definita dalla progressiva perdita di massa e funzione muscolare scheletrica, rappresenta un rischio significativo di cadute, disabilità, disfunzione metabolica e mortalità negli anziani. Le attuali diagnosi cliniche si basano su misurazioni statiche della forza o della massa muscolare, spesso non rilevando il declino nelle fasi iniziali o subcliniche. Inoltre, gli interventi convenzionali, come l'allenamento di resistenza e l'aumento dell'assunzione di proteine, mostrano un'elevata variabilità interindividuale nei risultati a causa di fattori come il fenotipo muscolare basale, lo stato metabolico, la genetica e la composizione del microbioma intestinale. Le tecnologie emergenti, inclusi sensori indossabili, profili metabolici ad alta produttività e approcci di intelligenza artificiale/apprendimento automatico (AI/ML), offrono l'opportunità di creare framework predittivi e individualizzati per la valutazione e la gestione del rischio di sarcopenia.

Objectives:

• Sviluppare e convalidare un modello basato su AI che integri composizione muscolare, prestazione funzionale e biomarcatori metabolici per prevedere il rischio di sarcopenia.
• Implementare un intervento personalizzato e adattivo che combini esercizio e nutrizione, guidato da predizioni AI e monitoraggio in tempo reale.
• Valutare l'efficacia di questo intervento sulla massa muscolare, la prestazione funzionale e la salute metabolica negli anziani.

Methods:

Fase 1: Analisi retrospettiva di dati multimodali provenienti da 3.500 adulti, inclusi composizione muscolare (DXA, MRI), test funzionali (forza di presa, alzata dalla sedia), marcatori metabolici e profili del microbioma. I modelli AI/ML verranno addestrati per prevedere il rischio di sarcopenia e identificare le caratteristiche predittive chiave. La convalida avverrà utilizzando un sottogruppo di partecipanti di nuova recluta sottoposti a cure standard.

Fase 2: Intervento prospettico di 12 settimane su 120 adulti di età compresa tra 50 e 70 anni, stratificati in gruppi di rischio di sarcopenia in base alle predizioni della Fase 1. I partecipanti riceveranno un programma personalizzato di esercizio (resistenza e aerobico) e nutrizione guidato da AI, monitorato tramite sensori indossabili e un'app mobile. La raccolta dati include MRI e DXA per la composizione muscolare, test di prestazione funzionale, biomarcatori metabolici e infiammatori, profilazione del microbioma e risultati auto-riportati. La risposta all'intervento verrà analizzata utilizzando modelli ad effetti misti e ML per identificare i predittori di efficacia.

Significance and Innovation:

Questo studio integra la previsione del rischio basata su AI con interventi personalizzati, adattivi e in tempo reale, affrontando le attuali lacune diagnostiche e terapeutiche nella cura della sarcopenia. Combinando dati sulla struttura e funzione muscolare, metabolici, comportamentali e del microbioma, consente il rilevamento precoce del declino muscolare, una gestione individualizzata e una migliore aderenza. Il framework ha potenziale per un'ampia traduzione clinica, integrazione nella salute digitale e futura commercializzazione come piattaforma AI scalabile per la sarcopenia.

Anticipated Outcomes:

• Strumenti di screening della sarcopenia basati su AI per il rilevamento precoce e la stratificazione del rischio.
• Protocolli personalizzati di esercizio e nutrizione adattati al rischio individuale e alla fisiologia.
• Un framework di intervento scalabile e basato sui dati, adatto per l'implementazione clinica o domiciliare.

Comprensione migliorata delle risposte eterogenee agli interventi per la sarcopenia.