人工智能衍生的肌肉内脂肪组织评估预测腹膜切除后围骨伤口并发症

科学领域:

• 手术瘤学手术瘤学
• 身体组成分析分析.
• 伤口愈合研究研究研究

背景情况:

• 在腹腔切除术 (APR) 后围性伤口并发症是患者发病率的重要原因.
• 当前的封闭技术缺乏一种普遍优越的方法.
• 身体成分被认为是术后康复的关键因素.

研究的目的:

• 为了研究身体组成特征的预测价值,用于经过APR后围伤口并发症.
• 利用人工智能辅助的CT扫描分析进行详细的身体组成评估.

主要方法:

• 对APR患者 (2012-2024) 的回顾性队列研究,比较主和下关节动脉肌皮关闭 (IGAM).
• 使用经过验证的AI模型分析的手术前CT扫描来量化腰部骨肌肉 (SM),肌内脂肪组织 (IMAT),内脏脂肪组织和皮下脂肪组织.

主要成果:

• 增加的IMAT体积与接受IGAM关闭的男性 (40%对4.8%,p=0.027) 的伤口消亡率更高显著相关.
• 较低的骨肌 (SM) 与IMAT体积比率与增加的伤口感染率相关 (60%对19%,p=0.04).
• 在初级和IGAM关闭技术之间,没有观察到伤口感染或脱落率的显著差异.

结论:

• 这项研究开创了人工智能衍生的3D身体组成分析的使用,以评估经APR后围伤口并发症.
• IMAT体积是经过APR后接受IGAM重建的男性患者伤口愈合结果的重要预测因素.