以人工智能支持的身体组成生物标志物在死后CT中用于丰富尸体解剖:对大量死者队列的分析
Max V Golden1, Matthew H Lee2, John W Garrett2
1Department of Radiology, University of Wisconsin School of Medicine and Public Health, 600 Highland Ave., Madison, Wisconsin, 53792, USA. mgolden3@wisc.edu.
Abdominal radiology (New York)
|March 18, 2025
概括
对死后CT扫描的自动化分析显示,身体成分指标与死亡原因和并发病相关. 这些定量组织生物标志物可以增强法医解剖.
科学领域:
- 法医科学 法医科学 法医科学
- 放射学 放射学是一门学科.
- 生物医学工程 生物医学工程
背景情况:
- 尸后CT (PMCT) 越来越多地用于法医调查.
- 对PMCT扫描的自动化分析为客观的身体成分评估提供了潜力.
- 与死亡原因相关的身体组成可以提供宝贵的见解.
研究的目的:
- 将基于PMCT的全自动化身体成分测量与死亡原因和并发症相关联.
- 评估人工智能驱动的算法用于从PMCT扫描中量化组织组成的实用性.
- 探索人体组成,生物年龄和死亡率之间的关系.
主要方法:
- 来自新墨西哥死者图像数据库 (2010-2017) 的6638个非对比PMCT扫描的回顾性分析.
- 利用自动化的AI管道量化骨肌肉,内脏/皮下脂肪和大动脉化.
- 分类死亡原因为"急性"或"慢性"和基于CT的生物年龄.
主要成果:
- 在"急性"和"慢性"死亡组之间观察到肌肉密度和面积的显著差异.
- 在患有心脏病的死者中发现了较高的大动脉阿加斯顿分数.
- 糖尿病患者表现出内脂肪增加和肌肉密度下降.
- 时间和生物年龄之间的偏差在"慢性"死亡组中更大.
结论:
- 基于PMCT的全自动定量组织生物标志物与死亡的时间性质相关.
- 这些生物标志物与慢性并发症有关.
- 这些发现支持使用自动化PMCT分析来增强法医解剖.
