通过全身[¹⁸F]FDG PET/CT和机器学习,绘制全身[¹⁸F]FDG PET/CT和机器学习的全身[¹⁸FDG PET/CT和机器学习的全身[¹⁸FDG PET/CT和机器学习的全身[¹⁸FDG...

科学领域:

• 代谢成像和网络分析.
• 葡萄糖恒温的生理学 葡萄糖恒温的生理学
• 机器学习在临床诊断中的应用

背景情况:

• 葡萄糖平衡涉及复杂的器官间通信.
• 代谢协调的障碍与糖尿病的发展有关.
• 全身[18F]FDG PET/CT提供了一种评估代谢相互作用的方法.

研究的目的:

• 在整个血糖谱中 (常态血糖,糖尿病前期,糖尿病) 调查器官间代谢协调的改变.
• 评估代谢连接性在人口层面和个人层面的变化.
• 确定个性化代谢功能障碍模式是否可以改善早期糖尿病风险分层.

主要方法:

• 对1149名成年人的全身[18F]FDG PET/CT扫描进行分析.
• 从20个器官中提取和规范化标准化吸收值,根据年龄,性别和BMI进行调整.
• 构建群体级代谢连接网络和个人级偏差网络.
• 机器学习模型的训练和验证,使用个性化的网络功能来分类糖尿病前期与糖尿病.

主要成果:

• 人口层面的分析显示,器官间代谢连接性从正常血糖到糖尿病的下降.
• 糖尿病前期表现出广泛的,适度的连接减弱;糖尿病显示出较少的,集中的干扰.
• 具体的变化包括糖尿病前期协调减少,糖尿病时脑肝连接受损.
• 个性化偏差网络捕获了对象特定的失调,在糖尿病前期具有更大的异质性.
• 机器学习模型区分了糖尿病和糖尿病前期 (AUC=0.75),大脑外围连接是关键预测因素.

结论:

• 器官间代谢连接性分解的不同模式标志着不同的血糖状态.
• 个性化的网络特征有效地捕捉了对象特定的代谢失调.
• 这种方法有望改善早期糖尿病风险分层.