노인의 뼈 및 근육 건강에 관한 일상적인 측정과 컴퓨터 단층촬영 데이터의 비교 (SARCATAR)

연령 관련 근육 소모 및 뼈 손실은 노인의 이동성과 독립성에 영향을 미치는 중요한 공중 보건 문제입니다. 근력과 근육량이 감소하는 근육감소증은 특히 치매나 인지 장애가 있는 개인의 경우 낙상 위험을 높입니다. 이는 합병증, 독립성 감소, 삶의 질 저하로 이어집니다. 골다공증은 낙상이나 자연발생으로 인한 골절의 위험을 증가시키므로 조기 진단과 예방이 필요합니다.

단백질이 풍부한 식단과 근력 운동과 같은 근육감소증에 대한 효과적인 치료에도 불구하고 진단상의 어려움으로 인해 이 상태는 여전히 잘 인식되지 않고 있습니다. 손 강도 측정과 같은 일반적인 방법은 류마티스 질환이나 파킨슨병 환자에게는 문제가 되어 종종 부정확한 결과를 낳습니다. 다리 힘이나 걷는 속도를 측정하는 것과 같은 다른 방법에는 조정과 균형이 필요하므로 치매나 시각 장애가 있는 사람들에게는 어려울 수 있습니다. 다양한 노령인구에 대한 맞춤형 진단 솔루션이 필요합니다.

골밀도(BMD)는 노인의 건강을 평가하는 데 중요합니다. 낮은 BMD는 골다공증과 높은 골절 위험을 의미하기 때문입니다. 전통적으로 이중 X-선 흡수계(DEXA)로 측정한 BMD 평가는 장기간 가만히 있어야 하기 때문에 이동성 문제, 욕창 또는 치매가 있는 환자의 경우 어려울 수 있습니다.

새로운 AI 기반 알고리즘은 이제 일상적인 CT 스캔에서 신체 조직과 패턴을 자동으로 평가하여 인간의 능력을 뛰어넘는 재현 가능한 결과를 제공할 수 있습니다. AI는 요추 3번 지점(L3)과 같은 특정 신체 단면의 근육량을 정량화할 수 있으며, 이는 전체 신체 근육량과 상관관계가 있으며 근육 건강을 예측합니다. 허벅지와 요근의 CT 측정은 전신 골격근량을 나타낼 수도 있습니다. 유럽 ​​지침에서는 초기 근육감소증 진단 시 근육 정량화의 필요성을 강조합니다.

AI로 측정한 근육량과 기능적 근력 평가를 연관시키면 조기 근육감소증 감지를 위한 대리 매개변수를 식별하는 데 도움이 될 수 있습니다. 또한 근력 손실과 상관관계가 있는 근육 지방 함량을 측정하는 것은 근육 건강을 평가하는 데 필수적입니다. 근육감소증 진단은 여전히 ​​발전하고 있으며 노인성 질환은 여러 동반질환으로 인해 비례적인 진단 및 치료 전략이 필요한 경우가 많으므로 혁신적인 접근 방식이 필요합니다.

골다공증 진단의 경우 AI는 CT 이미지에서 HU(Hounsfield Unit) 값을 결정하여 골밀도를 나타낼 수 있으며 이는 DEXA 결과와 상호 연관될 수 있습니다. 이러한 대리 진단은 현재 지침을 따라야 하며 결과는 최대 18개월의 적절한 간격 내에 얻어야 합니다.

1차 평가변수를 기반으로 "근육이 건강한" 개인과 "아마 근육감소증이 있는" 개인의 유병률이 기록됩니다. 또한 골다공증이 없는 사람, 골감소증이 있는 사람, 골다공증이 확인된 사람의 유병률을 계산하여 분석에 포함시킵니다.

2차 평가변수는 기능적 근력 측정값을 후향적 정량적 CT 결과와 비교합니다. 이 탐색적 분석은 AI 알고리즘이 기능과 근육량의 상관관계를 확인할 수 있는지 테스트합니다. 또한 AI로 측정한 근육 비만(근골증)은 근육 건강에 대한 새로운 정량화 가능한 품질 기준이 될 수 있습니다. 많은 노인들이 시각 장애, 치매, 만성 통증, 관절 질환 및 허약함과 같은 상태로 인해 기능적 근력 테스트 요구 사항을 충족할 수 없기 때문에 이는 중요합니다.

골다공증 진단을 위해 연구자들은 DEXA 측정의 골밀도를 흉부 및 복부 척추체의 CT 유래 골밀도와 연관시키는 것을 목표로 합니다. 이 탐색적 대용 측정 방법은 기존 CT 이미지에서 골밀도와 건강에 대한 통찰력을 제공할 수 있습니다. CT 기반 진단은 DEXA 스캔을 위해 가만히 있을 수 없는 사람들을 위한 대안이 될 수 있습니다.

설계:

이 후향적 연구는 단일 센터에서 수행될 것입니다. 참가자는 CT 및 DEXA 스캔을 받은 환자의 데이터베이스를 사용하여 식별됩니다. 근육감소증 부문에 포함되려면 참가자는 입원 후 1개월 이내에 바젤 대학병원 방사선과에서 CT 스캔을 받아야 합니다. 골다공증 팔의 경우 흉부 및/또는 복부 CT 스캔과 DEXA 스캔이 18개월 이내에 실시되어야 합니다.

CT 스캔의 익명화된 DICOM 데이터 세트는 AI 알고리즘으로 분석됩니다. 데이터 분석에는 스튜던트 t-테스트를 ​​사용한 표준 통계 비교가 포함됩니다. 알고리즘의 값은 참조 표준에 대해 테스트되며 다양한 질병에 대한 진단 정확도가 평가됩니다. 이 알고리즘은 104개의 해부학적 구조, 기관 및 기관 그룹에서 테스트되었습니다(Req-2022-00495).

데이터의 출처:

스위스 최대 규모의 노인 의료 센터에서 조사관은 2017년 7월 1일부터 2022년 12월 31일까지 입원 치료를 받은 65세 이상의 노인 환자를 포함하려고 합니다. 포함한.

대체 진단 절차(탐색적 접근 방식)를 테스트함으로써 조사관은 더 많은 사람들, 특히 치매, 시각 장애 또는 수술 후 상태로 인해 현재 진단 절차를 따를 수 없는 사람들에게 접근하기를 원합니다. 특히 이러한 환자들은 낙상 위험이 상당히 높기 때문에 이는 매우 중요합니다. 연구 접근 방식은 미래에 가능한 한 많은 사람들을 위한 예방 프로그램과 맞춤형 치료법을 고려하기 위해 실제 문제를 해결하는 것을 목표로 합니다.

기존 데이터를 활용하고 추가 조사를 생략함으로써 의료 비용 상승이라는 맥락에서 경제적 측면도 고려됩니다.

과학적 방법론 및 목표:

일차 평가변수를 평가하기 위해 CT로 결정할 수 있는 정량적 변수에 대한 탐색적 분석:

• 근육감소증: CT에서 근육량과 근육 내 지방 비율(mm3 단위) 및 밀도(HU 단위)를 평가합니다.
• 골다공증: CT에서 HU의 골밀도/감쇠를 평가합니다. 근육량과 밀도의 평가를 위해 4000명이 넘는 환자의 대표 표본을 대상으로 타당성 연구가 이미 수행되었으며, 이는 근육 밀도와 부피의 정규 분포를 시사합니다(21). 이 참조 그룹의 통계적 편차는 정규 분포가 부족한 경우 t-테스트 또는 Wilcoxon 테스트를 사용하여 결정됩니다. 정규 분포 테스트는 Kolmogorov-Smirnov 테스트를 사용하여 수행됩니다. 유의 수준은 α = 0.05로 설정됩니다.

골다공증의 평가도 유사하게 수행됩니다. HU와 BMD의 감쇠 사이의 관계는 이미 문헌에 문서화되어 있습니다(22)(18).

대표적인 결과를 얻으려면 가능한 한 많은 환자를 포함시키는 것이 필수적입니다. 어떤 건강 관련 개인 데이터에 대해 동의를 받아야 합니까? 일반 동의서 양식 "건강 관련 데이터 및 샘플의 추가 사용에 대한 동의 선언"이 2020년 초에 도입되었습니다(PDF로 첨부된 템플릿). 불행히도 실제로 구현하는 것이 불합리한 것으로 판명되었습니다. 자세한 내용은 광고 조항 34 lit.a (9. Art에 따른 예외적 승인 신청. 34HRA).

연구자들은 표본 크기를 n=300으로 간주합니다. 참가자 중 어느 누구도 동의를 얻지 못했습니다. 이는 모든 사람에 대해 면제 신청이 이루어지고 있음을 의미합니다.

정량적, 임상적 데이터:

양손의 손 근력 측정(상지의 근력을 평가하기 위한 노인의 일상 평가)

• 보행 속도(하지의 이동성과 근력을 평가하기 위한 노인의 일상 평가, 낙상 예측에 중요)
• Timed up & go(하지의 근력, 조정 및 균형 감각을 평가하기 위한 노인의 일상 평가, 낙상 예측에 중요)
• 혈청 내 비타민 D 수준(노년기의 과소평가된 비타민은 피부의 자연 햇빛 노출과 좋은 신장 기능을 통해 신체 자체에서 생성되며 여러 중간 단계를 통해 조사자 위도에서 뼈와 근육 건강에 크게 기여합니다. 조사자에서) 위도(태양 광선의 입사각)에 따라 충분한 비타민 D 생산은 야외에서 충분한 시간을 보내는 4월부터 10월까지만 가능합니다. 그러나 나이가 들면서 봄부터 여름까지 비타민 D 생산을 합성하는 능력도 상당히 감소합니다.

이미징의 정량적 데이터:

• 이전 DEXA 골밀도 측정(T-점수, Z-점수)
• 이전 CT 스캔에서 얻은 근육의 근육량 및 지방 함량(근육 부분이 표시된 흉부, 복부, 골반, 척추)