超音波放射学と機械学習を用いた介護施設の住人のサルコペニア検出の強化
Hongbo Fu1, Shuyue Luo1, Yan Zhuo2
1Center of Gerontology and Geriatrics, West China Hospital, Sichuan University, Chengdu, China.
Journal of the American Medical Directors Association
|August 29, 2025
まとめ
機械学習と組み合わせた 超音波放射学は 高齢者のサルコーペニアの診断を 大幅に改善します この非侵襲的なアプローチは 長期介護施設でのスクリーニングと早期発見を強化します
科学分野:
- ゲロントロジー
- 医療用イメージング
- 人工知能
背景:
- 超音波によるサルコペニアの診断の正確さは限られている.
- 長期介護を受けている高齢者は サルコペニアのリスクが高い.
- 効果的なスクリーニングには新しい診断方法が必要です.
研究 の 目的:
- 超音波放射学と機械学習が サルコペニアの診断の正確さを改善するかどうかを評価する.
- 統合されたモデルと従来の超音波パラメータを比較する.
- 介護施設の住人の有用性を評価する
主な方法:
- 628人の老人ホームの住人を対象とした診断の正確性に関する研究.
- 筋 (ReF,VI,QF) の超音波は,従来の (MT,EI) と放射線学的特徴を分析した.
- 統合されたデータ (放射線学,臨床情報) を使用して構築され,検証された機械学習モデル (LRを含む).
主要な成果:
- 統合されたモデルは高い診断精度を達成しました (AUCはReFで0. 85まで).
- 超音波放射学モデルは 従来のパラメータモデルを上回りました
- 統合されたモデルは,放射性物質のみと比較して優れた性能を示した.
結論:
- 機械学習と統合された超音波放射学は サルコペニアの診断の精度を大幅に高めます
- このアクセシブルで非侵襲的な方法は 長期介護におけるサルコーペニアのスクリーニングに 期待されています
- ロジスティック回帰ベースの統合モデルは 堅実なパフォーマンスを示しました
