Профилиране на състава на тялото с AI - Университетска болница Цюрих
Мускулната маса и сила намаляват с възрастта. Саркопенията и увеличаването на вътре- или междумускулната мастна тъкан (миостеатоза) са важни прогностични фактори в гериатрията, както и при пациенти с хронични заболявания. Повишените мускулни мазнини и затлъстяването са свързани с по-голям риск от инсулинова резистентност и диабет тип 2, сърдечно-съдови заболявания и по-лоша преживяемост при пациенти с рак. „Съставът на тялото е от решаващо значение“, казва PD Dr. Роман Гугенбергер от Института за диагностична и интервенционна радиология.
Профилиране на композицията на тялото (BCP) предоставя информация за съотношението на мускулите към мазнините и тяхното разпределение в тялото. Златният стандарт за BCP е DEXA (двойна рентгенова абсорбциометрия); това обаче използва рентгенови лъчи и не предоставя точна информация за регионалното разпространение. Магнитно-резонансната томография (MRT) генерира, с много висока точност, милиметър прецизни изображения на цялото тяло само за няколко минути без никакво йонизиращо лъчение и може да прави разлика между мазнини и вода, използвайки честотна информация от ехото. „Това дори може да се използва за количествено определяне на съдържанието на мазнини в микроскопични мастни натрупвания, например в черния дроб“, казва Гугенбергер. Подробна информация за подкожната или висцералната мастна тъкан, натрупванията на мазнини в черния дроб и скелетните мускули, както и мускулния обем в различни региони помагат за по-доброто идентифициране на пациентите с риск от саркопения и за започване на подходящи терапевтични мерки като различна диета или физическо активиране. Шансовете за оцеляване на пациенти с напреднали хронични заболявания като рак също могат да бъдат по-добре определени, което също оказва влияние върху решенията за терапия.
Анализът от експерта отнема много време
Недостатъкът на техниката за ЯМР на цялото тяло, която Dr. Гугенбергер и колеги са изследвали добре пациенти с ревматизъм с мипопатия, например, че се изисква високо ниво на специалисти и е много трудоемко, защото "структурите в тялото трябва да бъдат разпределени слой по слой". Високите разходи затрудняват по-широкото приложение на тази технология. Поради тази причина работната група на проф. Ендер Конукоглу от лабораторията Computer Vision в ETH Цюрих създаде инструмент за сегментиране на софтуер, базиран на изкуствен интелект (AI), който предоставя бързи и точни данни за сегментите на обема, показани в ЯМР. Гугенбергер и екипът вече са проверили алгоритъма, разработен за това на различни тъкани. В случай на подкожни мазнини, AI и анализи от експерти вече дават сравними резултати. „Все още работим за оптимизиране на висцералните мазнини и различни мускули“, казва Гугенбергер.
Ако методът, който все още се изследва, бъде установен, връзката между BCP и клиничните крайни точки, например при пациенти с рак, може да бъде изследвана по-отблизо в големи кохорти. Във втора стъпка се планира прехвърляне на алгоритъма от MRT към CT изображения и по този начин да се извършат ретроспективни анализи на CT изображения от обширния архив на USZ. По този начин параметрите на BCP могат да бъдат определени още по-точно за по-точни прогнози за различни заболявания.
PD Dr. мед. унив.Роман Гугенбергер
Главен лекар