רותמים את הכוח של AI, חוקרים פותחים את הפוטנציאל של MRI לכל הגוף כדי לחזות סיכונים בריאותיים, וסוללים את הדרך לאסטרטגיות מניעה חכמות יותר ומותאמות אישית.
מחקר: ניתוח של הרכב גוף מבוסס למידה עמוקה מהדמיית תהודה מגנטית של כל הגוף כדי לחזות תמותה מכל הסיבות באוכלוסייה מערבית גדולה. קרדיט תמונה: ג'וס פלייר / Shutterstock
במחקר שפורסם לאחרונה בכתב העת eBioMedicineחוקרים בגרמניה ובארצות הברית פיתחו ואימתו מסגרת למידה עמוקה לניתוח הרכב גוף נפחי אוטומטי מהדמיית תהודה מגנטית של כל הגוף (MRI) והעריכו את הערך הפרוגנוסטי שלה לניבוי תמותה מכל הסיבות באוכלוסייה מערבית גדולה.
רֶקַע
מדדי הרכב הגוף, כולל תאי רקמת שומן ושרירי השלד, הראו קשרים חזקים עם תוצאות קליניות ומתגלים כסמנים ביולוגיים חשובים להדמיה לשיפור הערכת סיכונים מותאמת אישית. עם זאת, הכימות השגרתי שלהם משיטות הדמיה כמו MRI נותר מוגבל בזרימות עבודה קליניות עקב אילוצי זמן ומשאבים. עם יכולתו המעולה להבדיל בין סוגי רקמות ולהעריך את תפוצתם, MRI מציע פוטנציאל משמעותי לניתוח מקיף של הרכב הגוף.
המחקר מדגיש כי כימות ידני הוא עתיר עבודה, בעוד שגישות אוטומטיות יכולות להתגבר על החסמים הללו. גישות נפחיות אוטומטיות לחלוטין, מונעות בינה מלאכותית (AI) יכולות להתגבר על מגבלות הנוכחיות, ולאפשר הערכות מדויקות וניתנות להרחבה יותר. ממצאים אלו מדגישים את החשיבות של פיתוח כלים סטנדרטיים כדי להבטיח יישום קליני על פני אוכלוסיות מגוונות.
על המחקר
המחקר השתמש בנתונים משני מחקרי עוקבה נרחבים המבוססים על אוכלוסייה: הביובנק הבריטי (UKBB), שכלל משתתפים בגילאי 45-84 שנים, והקבוצה הלאומית הגרמנית (NAKO), עם משתתפים בגילאי 40-75 שנים. שני המחקרים אספו נתונים קליניים מקיפים והשתמשו בפרוטוקול MRI מפורט, כולל רצפי דיקסון ציריים של T1 המשקולות של כל הגוף בתלת מימד נפחי אינטרפולציה (3D VIBE), המשמשים לניתוח הרכב הגוף. הושגו אישורים אתיים והושגה הסכמה מדעת מכל המשתתפים.
המטרה העיקרית הייתה לפתח מסגרת למידה עמוקה לכימות אוטומטית של מדדי הרכב גוף נפחיים, כגון רקמת שומן תת עורית (SAT), רקמת שומן קרביים (VAT), שריר השלד (SM), חלקיק שומן בשרירי השלד (SMFF) ו רקמת שומן תוך שרירית (IMAT), באמצעות MRI של כל הגוף. ביצועי המסגרת הוערכו ב-UKBB, תוך התמקדות בערך הפרוגנוסטי שלה לתמותה מכל הסיבות. המחקר גם נועד להעריך מתאמים בין מדדים נפחיים של כל הגוף לבין הערכת הרכב גוף מסורתית של פרוסה בודדת בחוליה L3.
מודל הלמידה העמוקה השתמש בתשומות הדמיה ברצף של Dixon כדי ליצור מסכות פילוח, מה שאיפשר לכמת הרכב גוף נפחי וחתך. רדיולוגים מנוסים ביצעו הערות ידניות להכשרת מודלים ואימתו אותם באופן עצמאי. ניתוחים סטטיסטיים כללו מודלים של הישרדות והערכות מתאם, תוך שימוש במערכי נתונים מותאמים כדי למזער הבדלי התפלגות.
תוצאות המחקר
קבוצת UKBB כללה 36,317 משתתפים (18,777 נשים ו-17,540 גברים) עם גיל ממוצע של 65.1 ± 7.8 שנים ומדד מסת גוף ממוצע (BMI) של 25.9 ± 4.3 ק"ג/מ"ר. ניתוח הרכב הגוף גילה רקמת שומן תת-עורית נפחית גבוהה יותר (VSAT), חלקיקי שומן בשרירי השלד (VSMFF) ורקמת שומן תוך שרירית (VIMAT) אצל נשים, בעוד שגברים הראו רקמת שומן פנימית גדולה יותר (VVAT) ונפח שרירי השלד (VSM) (כולם) p < 0.0001). מגמות דומות נצפו בקרב 23,725 המשתתפים ב-NAKO, שגילם הממוצע היה 53.9 ± 8.3 שנים עם BMI ממוצע של 27 ± 4.7 ק"ג/מ"ר, כמו גם במדידות הרכב גוף של שטח פרוסה בודדת בחוליה L3 עבור שתי העוקות. .
במהלך תקופת מעקב חציונית של 4.77 שנים ב-UKBB, נרשמו 634 מקרי מוות (1.7%). עקומות ההישרדות של קפלן-מאייר הדגימו שמשתתפים באחוזון העשירי הנמוך ביותר של VSM ובאחוזון העשירי הגבוה ביותר של VSMFF ו-VIMAT הראו שיעורי תמותה גבוהים יותר באופן משמעותי (log-rank p < 0.0001). ניתוחי רגרסיה מתוקנים של Cox גילו ש-VSM נמוך יותר (aHR: 0.86, 95% CI (0.81-0.91), p <0.0001) היה קשור לסיכון מופחת לתמותה, בעוד VSMFF גבוה יותר (aHR: 1.07, 95% CI (1.04-1.11), p < 0.0001) ו-VIMAT (aHR: 1.28, 95% CI (1.05-1.35), p <0.0001) היו קשורים לסיכון מוגבר. לעומת זאת, מדדי VSAT ו-VVAT נפחיים לא הראו קשר מהותי עם תמותה לאחר התאמה לגורמי סיכון מסורתיים.
ניתוח של מדדי שטח של פרוסה בודדת ב-L3 הניב תוצאות עקביות עם מדדים נפחיים, עם שטח שרירי שלד נמוך יותר (ASM) ושבריר שומן גבוה יותר (ASMFF) ורקמת שומן תוך שרירית (AIMAT) הקשורים לתמותה. עם זאת, לאחר התאמה מלאה, האסוציאציות הללו נחלשו עבור ASM ו-AIMAT. ניתוחי סיווג מחדש הראו כי מדדים נפחיים היו יעילים יותר בזיהוי אנשים בסיכון גבוה מאשר מדדי פרוסה בודדת, כפי שהוכח משיפור משמעותי בסיווג מחדש נטו עבור שרירי השלד (NRI = 0.053, 95% CI (0.016-0.089)).
ניתוח מתאם בין מדידות נפח של כל הגוף לפרוסה בודדת הראה התאמה חזקה ברמות חוליות ספציפיות, כגון L3 עבור מע"מ (R = 0.892) ו-SM (R = 0.944). ממצאים אלה שוכפלו בקבוצת NAKO, אם כי המתאם השתנה באופן משמעותי לפי BMI ושכבות מין. מסגרת הלמידה העמוקה הפגינה דיוק גבוה, כאשר מקדמי הקוביות עולים על 0.86 והסכמה חזקה בין תוצאות הפילוח הידני והאוטומטי (r > 0.97).
מסקנות
מחקר זה פיתח מסגרת למידה עמוקה אוטומטית לניתוח הרכב הגוף המבוסס על MRI של כל הגוף והעריך את הערך הפרוגנוסטי שלה לחיזוי תמותה בלמעלה מ-30,000 אנשים. מדדים נפחיים, כולל SM, SMFF ו-IMAT, היו מנבאים בלתי תלויים של תמותה, שהעלו על גישות מסורתיות של פרוסה בודדת, שהראו מתאמים משתנים המושפעים ממין ו-BMI. למרות החוזקות הללו, המחקר הכיר במגבלות, כגון דמוגרפיה של עוקבות המייצגות בעיקר אוכלוסיות מערביות ומשך מעקב מוגבל, שעלול להשפיע על יכולת ההכללה.
מחקר עתידי צריך לחקור את האינטגרציה הקלינית של ניתוח מבוסס MRI נפחי על פני אוכלוסיות מגוונות ופרוטוקולי הדמיה.
