基于人工智能的身体组成分析,使用计算机断层扫描图像预测糖尿病的流行率和发病率

科学领域:

• 放射学和医学成像学 医学成像学
• 医疗保健中的人工智能
• 代谢性疾病研究研究

背景情况:

• 身体成分,特别是内脏脂肪,与代谢健康有关.
• 为了风险预测,需要准确和自动化的方法来评估身体成分.
• 糖尿病风险评估通常依赖于传统的风险因素,需要新的预测工具.

研究的目的:

• 评估基于人工智能 (AI) 的体积体质成分指标在预测糖尿病风险方面的有效性.
• 为了确定AI衍生的内脏脂肪 (VF) 的比例和VF/皮下脂肪 (SF) 的比率是否可以预测糖尿病的存在和发病率.
• 为了在糖尿病风险分层中建立AI衍生的身体组成指标的最佳切断值.

主要方法:

• 一项横截面和10年后期纵向研究,涉及15330名受试者,使用腹部CT图像.
• 基于人工智能的图像分析软件被用于测量体积组成,包括VF和SF.
• 纵向分析包括10570名受试者,随访数据用于评估发生糖尿病和糖尿病前期.

主要成果:

• 内脏脂肪比例和VF/SF比率随着年龄的增长而增加,并强烈预测糖尿病风险.
• 确定了最佳截止值:VF比例 (24%的男性,16%的女性) 和VF/SF比率 (1.2的男性,0.5的女性).
• 较高的VF/SF比率和VF比率显著与糖尿病的几率增加和患前糖尿病/糖尿病的风险增加有关.

结论:

• 腹部CT扫描的基于AI的体积分析提供了宝贵的身体组成数据.
• 这些来自人工智能的指标在预测患糖尿病的风险方面是有效的.
• 自动化AI分析为糖尿病风险评估和早期干预提供了一个有前途的工具.