Beoordelingssysteem voor sarcopenie op basis van echografische gegevens

Sarcopenie is een syndroom van leeftijdsgebonden verlies van spiermassa en afname van de spierfunctie, dat comorbide kan zijn met een verscheidenheid aan ziekten en dat uitgebreid in wisselwerking staat met verschillende ziektetoestanden om de ziekteprognose te beïnvloeden. Ziekten zoals kanker, diabetes, chronische nierziekte en reumatoïde artritis kunnen het proces van spierverlies versnellen door de myogene celregeneratie te beïnvloeden, de eiwitsynthese te verstoren, de eiwitconsumptie te verhogen en de eiwitafbraak door de ubiquitinatieroute te versterken, en de achteruitgang van de motorische vaardigheden te bevorderen. functie zal op zijn beurt de prognose van de ziekte verder verslechteren. Ondanks enkele regionale verschillen blijkt de prevalentie van sarcopenie hoger te zijn dan 10%. Vroegtijdige identificatie van het potentiële risico op sarcopenie en vroegtijdige interventie in de vroege stadia van spiermassa- en functiestoornissen zijn een van de belangrijkste stappen om de kwaliteit van leven van oudere volwassenen te verbeteren.

Momenteel is de diagnose sarcopenie afhankelijk van drie kenmerken: verlies van spiermassa, verlies van spierkracht en verlies van fysieke prestaties. Momenteel gebruiken artsen meestal bio-elektrische impedantieanalyse (BIA) of dual-energy röntgenabsorptiometrie (DXA) om de skeletspiermassa-index te bepalen. SMI om de spiermassa te meten, een grijpkrachttest om de spierkracht, loopsnelheid te meten of hulpmiddelen zoals SPPB scores om fysieke prestaties te beoordelen. De diagnose sarcopenie kan worden gesteld wanneer een proefpersoon een afname van de SMI ervaart in combinatie met een afname van de grijpkracht of een afname van de loopsnelheid.

Op het gebied van medische beeldvorming hebben onderzoekers gewerkt aan het verkennen en valideren van geschikte beeldvormingshulpmiddelen en markers om sarcopenie te diagnosticeren en te evalueren. De gebruikelijke methoden voor diepgaande analyse van medische beeldvorming omvatten radiomics en machinaal leren, meestal door het analyseren van de textuurkenmerken van spieren op specifieke locaties om de spierfunctie te kwantificeren of door skeletspieren nauwkeurig te segmenteren in twee dimensies of drie dimensies om de spiermassa te kwantificeren. Vergeleken met computertomografie (CT) of magnetische resonantie beeldvorming (MRI) is echografie een toegankelijkere en goedkopere medische beeldvormingstechniek, vooral in regio's met lage en middeninkomens. Echografie kan worden gebruikt om lokale spieren gemakkelijk te scannen en spierkenmerken te verkrijgen, zoals spierdikte, dwarsdoorsnedeoppervlak en pennatiehoek. Onze eerdere onderzoeken hebben aangetoond dat SMI bij oudere volwassenen nauwkeurig kan worden geschat door de spierdikte op vier locaties te gebruiken, samen met basisinformatie zoals leeftijd en body mass index (BMI), en hebben bij interregionale validatie ontdekt dat de stabiliteit van schattingen kan worden gehandhaafd in gemeenschappen met zeer verschillende etnische proporties. Verschillende bestaande grote onderzoeken naar echografie bij sarcopenie richten zich momenteel echter alleen op spiermorfologische metingen, waarbij de grote hoeveelheid verborgen echografische beeldinformatie wordt genegeerd. Tegelijkertijd heeft de flexibiliteit van het scanproces geleid tot een grotere weerstand van radiomics of deep learning-tools om de beelden te gebruiken voor classificatie van kunstmatige intelligentie dan CT of MRI.

Geconfronteerd met een dergelijk dilemma hebben we geprobeerd een intelligent risicobeoordelingssysteem voor sarcopenie op te zetten, gebaseerd op multidimensionale gegevens, waaronder basisinformatie zoals leeftijd en BMI, echografiemetingen en originele beeldinhoud, om de risicobeoordeling van sarcopenie bij oudere volwassenen te voltooien. een one-stop-manier, om de snelle screening en classificatie van potentiële sarcopeniepopulaties voor verder klinisch management te realiseren.