基于计算机断层扫描身体组成分析的机器学习模式,用于估计休息能量消耗:试点研究
Fiorella Palmas1, Andreea Ciudin2, Jose Melian3
1Endocrinology and Nutrition Department, Hospital Universitari Vall d'Hebron, Barcelona, Spain; Diabetes and Metabolism Research Unit, Vall d'Hebron Institut De Recerca (VHIR), Barcelona, Spain.
Clinical nutrition ESPEN
|May 28, 2025
概括
用人工智能模型分析的计算机断层扫描 (CT) 扫描提供了一种可靠的方法来估计休息能量消耗 (REE). 这种人工智能驱动的CT方法与传统方程相比显示出更好的准确性,并且与REE评估的生物阻抗分析相似.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 代谢研究研究 代谢研究
背景情况:
- 评估静止能量消耗 (REE) 是至关重要的,但使用当前方法具有挑战性.
- 间接热量计 (IC) 是黄金标准,但缺乏可用性.
- 预测方程和生物阻抗 (BIA) 显示与IC的协议有限.
研究的目的:
- 利用人工智能探索计算机断层扫描 (CT) 扫描对REE评估的实用性.
- 评估基于CT的身体成分分析是否可以可靠地估计REE.
主要方法:
- 一项涉及90名成年人的试点研究使用方程,IC,BIA和骨CT扫描来评估REE.
- 使用CT数据开发了一个AI机器学习模型 (二阶线性回归).
- 该模型通过交叉验证进行了训练和验证.
主要成果:
- 基于CT的AI模型与IC表现出很好的一致性 (偏差为0kcal/day).
- 这种CT-AI方法的性能优于传统的预测方程,并且与BIA.
- 性别和BMI等关键变量对于CT-AI REE估计并不重要.
结论:
- 通过人工智能机器学习进行CT扫描图像分析是REE估计的一个有希望的工具.
- 这种方法可能会彻底改变营养评估指南.
- 人工智能驱动的CT为REE评估提供了可靠的替代方案.
