来自CT的性别特异性脂肪肌模式揭示了老年人具有机器学习的代谢综合征风险
Bowen Hou1, Yingjing Zhang2, Zheng Ran1
1Department of Radiology, Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology, Wuhan, Hubei Province, China.
Diabetes research and clinical practice
|November 9, 2025
概括
代谢综合征 (MS) 在老年人中显示出明显的性别特异性模式. 患有多发性硬化症的女性积累了更多的肌内脂肪组织 (IMAT),而男性则表现出骨肌指数 (SMI) 分布的改变,为个性化治疗提供了信息.
科学领域:
- 老年学是一门学科.
- 代谢障碍 代谢障碍 代谢障碍
- 身体组成分析 身体成分分析
背景情况:
- 代谢综合征 (MS) 的特点是肌肉缩和子宫外脂肪沉积.
- 这些模式的性别特异性差异,特别是在老年人群中,尚未得到充分理解.
研究的目的:
- 调查代谢综合征 (MS) 的老年人脂肪肌分布的性别特异性模式.
- 通过机器学习识别用于MS风险评估的潜在生物标志物.
主要方法:
- 一项涉及316名参与者 (180名MS患者) 的横截面研究,使用CT扫描.
- 皮下脂肪组织 (SAT),骨肌肉 (SM) 和肌内脂肪组织 (IMAT) 的量化.
- XGBoost机器学习与SHAP解释用于数据分析.
主要成果:
- 多发性硬化患者的腰围和BMI都较高.
- 女性多发性硬化患者的IMAT显著高于对照组.
- 男性多发性硬化症患者在下肢表现出更高的SMI;SHAP分析揭示了性别特异的SMI-MS风险关系.
结论:
- 在MS中存在明显的性别特异性脂肪肌肉模式.
- 这些发现为个性化预防和治疗策略提供了洞察力.
- 预测模型证明了MS风险评估的临床实用性.
