Vurderingssystem for sarkopeni basert på ultralyddata

Sarkopeni er et syndrom med aldersrelatert tap av muskelmasse og nedsatt muskelfunksjon, som kan være komorbid med en rekke sykdommer og interagerer i utstrakt grad med ulike sykdomstilstander for å påvirke sykdomsprognosen. Sykdommer som kreft, diabetes, kronisk nyresykdom og revmatoid artritt kan akselerere prosessen med muskeltap ved å påvirke regenerering av myogene celler, forstyrre proteinsyntesen, øke proteinforbruket og øke proteinnedbrytningen ved ubiquitineringsveien, og nedgangen i motorikk. funksjon vil i sin tur forverre prognosen for sykdommen ytterligere. Til tross for noen regionale forskjeller, har prevalensen av sarkopeni vist seg å overstige 10 %. Tidlig identifisering av potensiell risiko for sarkopeni og tidlig intervensjon i de tidlige stadiene av muskelmasse og funksjonssvikt er et av de viktigste trinnene for å forbedre livskvaliteten til eldre voksne.

For tiden er diagnosen sarkopeni avhengig av tre funksjoner: tap av muskelmasse, tap av muskelstyrke og tap av fysisk ytelse. For tiden bruker leger vanligvis bioelektrisk impedansanalyse (BIA) eller dual-energy X-ray absorptiometri (DXA) for å bestemme skjelettmuskelmasseindeks SMI for å måle muskelmasse, grepsstyrketest for å måle muskelstyrke, ganghastighet eller verktøy som SPPB skårer for å vurdere fysisk ytelse. En diagnose av sarkopeni kan stilles når en person opplever en reduksjon i SMI kombinert med en reduksjon i grepsstyrke eller en reduksjon i ganghastighet.

Innen medisinsk bildebehandling har forskere jobbet med å utforske og validere passende bildeverktøy og markører for å diagnostisere og evaluere sarkopeni. De vanlige metodene for dyp mining av medisinsk bildebehandling inkluderer radiomiks og maskinlæring, vanligvis ved å analysere teksturtrekkene til muskler på spesifikke steder for å kvantifisere muskelfunksjon eller segmentere skjelettmuskler nøyaktig i to dimensjoner eller tre dimensjoner for å kvantifisere muskelmasse. Sammenlignet med computertomografi (CT) eller magnetisk resonanstomografi (MRI), er ultralyd en mer tilgjengelig og rimeligere medisinsk bildeteknikk, spesielt i lav- og mellominntektsregioner. Ultralyd kan brukes til å skanne lokale muskler og oppnå muskelegenskaper som muskeltykkelse, tverrsnittsareal og pennasjonsvinkel. Våre tidligere studier har vist at SMI hos eldre voksne kan estimeres nøyaktig ved å bruke muskeltykkelse på fire steder sammen med grunnleggende informasjon som alder og kroppsmasseindeks (BMI), og har funnet i tverrregional validering at stabiliteten til estimater kan opprettholdes på tvers av samfunn med svært ulike etniske proporsjoner. Imidlertid fokuserer flere eksisterende store studier på ultralyd ved sarkopeni for tiden kun på muskelmorfologiske målinger, og ignorerer den store mengden skjult ultralydbildeinformasjon. Samtidig har fleksibiliteten i skanningsprosessen ført til større motstand fra radiomiks eller dyplæringsverktøy for å bruke bildene til klassifisering av kunstig intelligens enn CT eller MR.

Med et slikt dilemma forsøkte vi å etablere et intelligent risikograderingssystem for sarkopeni, basert på flerdimensjonale data inkludert grunnleggende informasjon som alder og BMI, ultralydmålinger og originalt bildeinnhold, for å fullføre risikovurderingen av sarkopeni hos eldre voksne i en enkelt måte, for å realisere rask screening og klassifisering av potensielle sarkopenipopulasjoner for videre klinisk behandling.