Sammenligning av computertomografidata med rutinemessige målinger angående bein- og muskelhelse hos eldre individer (SARCATAR)

Aldersrelatert muskelsvinn og bentap er betydelige folkehelseutfordringer som påvirker eldres mobilitet og uavhengighet. Sarkopeni, en nedgang i muskelstyrke og masse, øker fallrisikoen, spesielt hos personer med demens eller kognitive svekkelser. Dette fører til komplikasjoner, redusert uavhengighet og redusert livskvalitet. Osteoporose øker risikoen for brudd ved fall eller spontant, noe som krever tidlig diagnose og forebygging.

Til tross for effektive behandlinger for sarkopeni, som et proteinrikt kosthold og styrketrening, forblir tilstanden underkjent på grunn av diagnostiske utfordringer. Vanlige metoder som håndstyrkemåling er problematiske for de med revmatiske tilstander eller Parkinsons, og gir ofte unøyaktige resultater. Andre metoder, som å måle beinstyrke og ganghastighet, krever koordinasjon og balanse, noe som kan være vanskelig for de med demens eller synshemming. Det er behov for skreddersydde diagnostiske løsninger for ulike aldrende befolkninger.

Benmineraltetthet (BMD) er avgjørende for å vurdere helse hos eldre voksne, da lav BMD indikerer osteoporose og høyere bruddrisiko. Tradisjonelt målt med dobbel røntgenabsorptiometri (DEXA), kan BMD-vurdering være vanskelig for pasienter med mobilitetsproblemer, trykksår eller demens på grunn av kravet om å forbli stille i lengre perioder.

Nye AI-baserte algoritmer kan nå automatisk evaluere kroppsvev og mønstre fra rutinemessige CT-skanninger, og tilby reproduserbare resultater utover menneskelig evne. AI kan kvantifisere muskelmasse ved spesifikke kroppstverrsnitt, slik som lumbal vertebral punkt 3 (L3), som korrelerer med total kroppsmuskelmasse og forutsier muskelhelse. CT-målinger av lår- og psoasmuskler kan også indikere skjelettmuskelmasse i hele kroppen. Europeiske retningslinjer fremhever behovet for muskelkvantifisering ved tidlig diagnose av sarkopeni.

Korrelering av AI-målt muskelmasse med funksjonelle muskelstyrkevurderinger kan bidra til å identifisere surrogatparametere for tidlig påvisning av sarkopeni. I tillegg er måling av muskelfettinnhold, som korrelerer med styrketap, avgjørende for å vurdere muskelhelsen. Innovative tilnærminger er nødvendige, ettersom sarkopenidiagnose fortsatt utvikler seg og geriatriske sykdommer ofte trenger proporsjonale diagnose- og behandlingsstrategier på grunn av flere komorbiditeter.

For osteoporosediagnostikk kan AI bestemme Hounsfield Unit (HU)-verdier fra CT-bilder for å representere bentetthet, som kan korreleres med DEXA-resultater. Denne surrogatdiagnostikken bør følge gjeldende retningslinjer, med resultater oppnådd innen et passende intervall på opptil 18 måneder.

Basert på de primære endepunktene, vil prevalensen av "muskelfriske" og "sannsynligvis sarkopeniske" individer bli registrert. I tillegg vil prevalensen av individer uten osteoporose, med osteopeni og med bekreftet osteoporose beregnes og inkluderes i analysen.

De sekundære endepunktene sammenligner funksjonelle muskelstyrkemålinger med retrospektive kvantitative CT-resultater. Denne utforskende analysen vil teste om AI-algoritmen kan korrelere funksjonalitet med muskelvolum. I tillegg kan AI-målt muskelfethet (myosteatose) tjene som et nytt, kvantifiserbart kvalitetskriterium for muskelhelse. Dette er viktig fordi mange eldre individer ikke kan oppfylle kravene til funksjonelle styrkeprøver på grunn av tilstander som synshemming, demens, kroniske smerter, leddsykdommer og skrøpelighet.

For osteoporosediagnostikk tar etterforskerne sikte på å korrelere bentetthet fra DEXA-målinger med CT-avledet bentetthet av thorax- og abdominale vertebrale legemer. Denne utforskende surrogatmålemetoden kan gi innsikt i beinmineraltetthet og helse fra eksisterende CT-bilder. CT-basert diagnose kan være et alternativ for de som ikke kan forbli stille for DEXA-skanninger.

Design:

Denne retrospektive studien vil bli utført ved ett enkelt senter. Deltakerne vil bli identifisert ved hjelp av databaser over pasienter som har gjennomgått CT- og DEXA-skanninger. For å bli inkludert i sarkopeni-armen må deltakerne ha tatt CT-skanning fra radiologiavdelingen ved Universitetssykehuset Basel innen en måned etter et døgnopphold. For osteoporosearmen må en CT-skanning av thorax og/eller abdomen og en DEXA-skanning være tilgjengelig, utført innen 18 måneder etter hverandre.

Anonymiserte DICOM-datasett fra CT-skanningene vil bli analysert med en AI-algoritme. Dataanalyse vil innebære standard statistisk sammenligning ved bruk av Students t-test. Algoritmens verdier vil bli testet mot referansestandarder, og dens diagnostiske nøyaktighet vil bli evaluert for ulike sykdommer. Algoritmen har blitt testet på 104 anatomiske strukturer, organer og organgrupper (Req-2022-00495).

Opprinnelsen til dataene:

Ved det største geriatriske senteret i Sveits ønsker etterforskerne å inkludere geriatriske pasienter i alderen 65 år og over som var under døgnbehandling i perioden 01.07.2017 til 31.12.2022 inklusive.

Ved å teste alternative diagnostiske prosedyrer (utforskende tilnærming) ønsker etterforskerne å nå flere mennesker, spesielt de som ikke klarer å følge gjeldende diagnostiske prosedyrer på grunn av demens, synshemming eller postoperativ tilstand. Dette er avgjørende da spesielt disse pasientene har en betydelig økt risiko for å falle. Forskningstilnærmingen tar sikte på å møte virkelige utfordringer for å vurdere forebyggingsprogrammer og personlig tilpassede terapier for så mange mennesker som mulig i fremtiden.

Ved å bruke eksisterende data og avstå fra videre undersøkelser, tas det også hensyn til det økonomiske aspektet i sammenheng med økende helsekostnader.

Vitenskapelig metodikk og mål:

Utforskende analyse av kvantitative variabler som kan bestemmes ved CT for å evaluere de primære endepunktene:

• Sarkopeni: Ved å evaluere muskelvolum og fettprosent i muskel (i mm3) og tetthet (i HU) på CT.
• Osteoporose: Ved å evaluere bentetthet/dempning i HU på CT. For evaluering av muskelvolum og -densiteter er det allerede utført en mulighetsstudie på et representativt utvalg på over 4000 pasienter, noe som tyder på en normalfordeling av muskeltetthet og -volum (21). Statistiske avvik fra denne referansegruppen bestemmes ved bruk av en t-test eller Wilcoxon-test ved manglende normalfordeling. Testen for normalfordeling utføres ved å bruke Kolmogorov-Smirnov-testen. Signifikansnivået er satt til α = 0,05.

Evalueringen av osteoporose utføres analogt. Sammenhengen mellom demping i HU og BMD er allerede dokumentert i litteraturen (22) (18).

Inkludering av flest mulig pasienter er avgjørende for representative resultater Hvilke helserelaterte personopplysninger skal det gis samtykke til? Et generelt samtykkeskjema «Sykkeerklæring for videre bruk av helserelaterte data og prøver» ble innført i begynnelsen av 2020 (mal vedlagt som PDF). Dessverre viste det seg i praksis å være urimelig å implementere. Ytterligere detaljer under Ad Art.34 lit.a (9. Søknad om unntaksfullmakt etter art. 34 HRA).

Etterforskerne anser utvalgsstørrelsen til å være n=300. Det er ikke innhentet samtykke fra noen av deltakerne, det vil si at det søkes om fritak for alle personer.

Kvantitative, kliniske data:

Håndstyrkemåling på begge hender (geriatrisk rutinevurdering for å vurdere muskelstyrken til overekstremiteten)

• Ganghastighet (geriatrisk rutinevurdering for å vurdere mobilitet og muskelstyrke i underekstremiteten; viktig for å forutsi fall)
• Timed up & go (geriatrisk rutinevurdering for å vurdere muskelstyrken i underekstremiteten, koordinasjon og balansesans; viktig for å forutsi fall)
• Vitamin D-nivå i serum (undervurdert vitamin i alderdom, som produseres av kroppen selv gjennom naturlig sollyseksponering av huden og god nyrefunksjon på etterforskernes breddegrader gjennom mange mellomliggende trinn og bidrar betydelig til bein- og muskelhelsen; i etterforskerne breddegrader (solstrålenes innfallsvinkel), er tilstrekkelig vitamin D-produksjon kun mulig i månedene april til oktober med tilstrekkelig tid utendørs. Med alderen avtar imidlertid evnen til å syntetisere vitamin D-produksjonen også betraktelig om vår- og sommermånedene.

Kvantitative data fra bildebehandling:

• Tidligere DEXA-målinger av bentetthet (T-score, Z-score)
• Muskelmasse og fettinnhold i muskelen fra tidligere CT-skanninger (thorax, mage, bekken, ryggrad med muskeldeler vist)