用计算机断层扫描深度学习对代谢综合征,骨质疏松症和肉类的代谢表型预测成年人死亡率
Sang Wouk Cho1,2, Seungjin Baek1, Sookyeong Han1,2
1Department of Internal Medicine, Endocrine Research Institute, Severance Hospital, Yonsei University College of Medicine, Seoul, South Korea.
Journal of cachexia, sarcopenia and muscle
|April 22, 2024
概括
使用CT扫描的深度学习模型可以同时检测代谢综合征,骨质疏松症和肉类. 这些CT衍生的代谢表型也预测了长期的死亡风险.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 老年学是一门学科.
背景情况:
- 与年龄相关的代谢障碍反映在计算机断层扫描 (CT) 身体组成中.
- 代谢综合征 (MS),骨质疏松症和肉症是常见的与年龄有关的疾病.
- 使用CT同时检测和预后这些疾病的价值尚未得到充分证实.
研究的目的:
- 开发一种使用CT多层次身体组成参数的深度学习模型,同时检测MS,骨质疏松症和肉症.
- 确定代谢集群并研究基于CT的代谢表型化对长期死亡的预后价值.
主要方法:
- 基于多层感知子 (MLP) 的多标签分类模型被训练使用半自动量化的腹部CT身体组成.
- 从基于社区的队列 (n=516) 创建了衍生和内部测试集.
- 外部验证使用两个独立的数据集 (n=380和n=10,141) 进行,分别用于诊断准确性和预后价值.
主要成果:
- 基于CT的MLP模型准确地检测到MS,骨质疏松症和肉,表现优于临床模型 (例如,MS的AUC:0.76与0.55).
- 内脏脂肪区域 (VFA) 对MS预测至关重要,而骨肌肉密度 (SMD),骨密度 (BD) 和皮下脂肪区域对于骨质疏松症和肉症至关重要.
- CT衍生的代谢表型,特别是涉及皮症的组合,是长期死亡率的强有力的预测指标 (aHRs从1.55到1.87).
结论:
- 一个基于CT身体组成的MLP模型有效地同时检测MS,骨质疏松症和肉症.
- CT衍生的代谢表型与长期死亡率相关,独立于临床共变量.
