Bedömningssystem för sarkopeni baserat på ultraljudsdata

Sarkopeni är ett syndrom av åldersrelaterad muskelmassaförlust och muskelfunktionsminskning, som kan vara komorbid med en mängd olika sjukdomar och interagerar i stor utsträckning med olika sjukdomstillstånd för att påverka sjukdomsprognosen. Sjukdomar som cancer, diabetes, kronisk njursjukdom och reumatoid artrit kan påskynda processen med muskelförlust genom att påverka myogen cellregenerering, störa proteinsyntesen, öka proteinkonsumtionen och förbättra proteinnedbrytningen genom ubiquitinationsvägen och minskningen av motoriken. funktion kommer i sin tur att försämra prognosen för sjukdomen ytterligare. Trots vissa regionala skillnader har prevalensen av sarkopeni visat sig överstiga 10 %. Tidig identifiering av den potentiella risken för sarkopeni och tidig intervention i de tidiga stadierna av muskelmassa och funktionsnedsättning är ett av de viktigaste stegen för att förbättra livskvaliteten för äldre vuxna.

För närvarande bygger diagnosen sarkopeni på tre egenskaper: förlust av muskelmassa, förlust av muskelstyrka och förlust av fysisk prestation. För närvarande använder läkare vanligtvis bioelektrisk impedansanalys (BIA) eller dubbelenergiröntgenabsorptiometri (DXA) för att bestämma skelettmuskelmassaindex SMI för att mäta muskelmassa, greppstyrketest för att mäta muskelstyrka, gånghastighet eller verktyg som SPPB poäng för att bedöma fysisk prestation. En diagnos av sarkopeni kan ställas när en patient upplever en minskning av SMI i kombination med en minskning av greppstyrka eller en minskning av gånghastighet.

Inom området medicinsk bildbehandling har forskare arbetat med att utforska och validera lämpliga bildverktyg och markörer för att diagnostisera och utvärdera sarkopeni. De vanliga metoderna för djupbrytning av medicinsk bildbehandling inkluderar radiomik och maskininlärning, vanligtvis genom att analysera strukturegenskaperna hos muskler på specifika platser för att kvantifiera muskelfunktion eller segmentera skelettmuskler exakt i två dimensioner eller tre dimensioner för att kvantifiera muskelmassa. Jämfört med datortomografi (CT) eller magnetisk resonanstomografi (MRI) är ultraljud en mer tillgänglig och billigare medicinsk bildteknik, särskilt i låg- och medelinkomstregioner. Ultraljud kan användas för att bekvämt skanna lokala muskler och få muskelegenskaper som muskeltjocklek, tvärsnittsarea och pennationsvinkel. Våra tidigare studier har visat att SMI hos äldre vuxna kan uppskattas exakt genom att använda muskeltjocklek på fyra platser tillsammans med grundläggande information som ålder och kroppsmassaindex (BMI), och har funnit i tvärregional validering att stabiliteten i uppskattningar kan upprätthållas över samhällen med mycket olika etniska proportioner. Men flera befintliga stora studier om ultraljud vid sarkopeni fokuserar för närvarande endast på muskelmorfologiska mätningar, och ignorerar den stora mängden dolda ultraljudsbildinformation. Samtidigt har flexibiliteten i skanningsprocessen lett till större motstånd från radiomik eller verktyg för djupinlärning att använda bilderna för klassificering av artificiell intelligens än CT eller MRI.

Inför ett sådant dilemma försökte vi upprätta ett intelligent riskgraderingssystem för sarkopeni, baserat på flerdimensionella data inklusive grundläggande information som ålder och BMI, ultraljudsmätningar och originalbildinnehåll, för att slutföra riskgraderingen av sarkopeni hos äldre vuxna i ett enda sätt, för att förverkliga den snabba screeningen och klassificeringen av potentiella sarkopenipopulationer för vidare klinisk hantering.