人工智能在脊柱和副脊柱肌肉分析中的应用
James M Elliott1, Evert O Wesselink2, Rebecca J Crawford3
1Faculty of Medicine and Health, The University of Sydney, Northern Sydney Local Health District, The Kolling Institute, St Leonards, NSW, Australia. jim.elliott@sydney.edu.au.
Advances in experimental medicine and biology
|November 10, 2024
概括
了解与年龄相关的类脊柱肌肉组成的典型变化,对于诊断脊柱疾病至关重要. 这些知识有助于为临床试验和个性化患者护理制定更好的结果措施.
科学领域:
- 神经学 神经学
- 肌肉骨健康 肌肉骨健康
- 生物医学工程 生物医学工程
背景情况:
- 神经和肌肉骨系统疾病对全球健康构成重大挑战.
- 缺乏敏感的结果措施阻碍了对这些疾病的干预试验进展.
- 脊柱疾病涉及对脊柱肌肉和相关软组织的组成变化.
研究的目的:
- 为了研究与年龄相关的典型变化,在副脊柱肌肉组成.
- 建立一个基线来识别标志着脊柱疾病的非典型变化.
- 为开发临床试验和患者管理的客观结果措施提供信息.
主要方法:
- 磁共振成像 (MRI) 用于量化副脊柱肌肉组成.
- 分析的重点是不同年龄组的组成变化.
- 数据收集旨在确定整个生命周期内肌肉组成的规范值.
主要成果:
- 基于MRI对脊柱肌肉组成的量化是脊柱疾病严重程度的敏感标志物.
- 目前对与年龄相关的肌肉组成的理解是有限的.
- 建立典型的与年龄相关的组成对于识别偏差至关重要.
结论:
- 了解典型的与年龄相关的副脊柱肌肉组成对于准确诊断和评估脊柱疾病至关重要.
- 这种理解可以改善手术前后的规划.
- 它支持个性化的患者护理,包括对外科植入物和外骨的评估.
