Profilarea compoziției corpului cu AI - Spitalul Universitar din Zurich
Masa și forța musculară scad odată cu înaintarea în vârstă. Sarcopenia și creșterea țesutului adipos intra- sau intermuscular (miosteatoza) sunt factori prognostici importanți în geriatrie, precum și la pacienții cu boli cronice. Creșterea grăsimii musculare și a obezității sunt legate de un risc mai mare de rezistență la insulină și diabet de tip 2, boli cardiovasculare și o supraviețuire mai slabă pentru pacienții cu cancer. „Compoziția corpului este crucială”, spune PD Dr. Roman Guggenberger de la Institutul pentru Radiologie Diagnostică și Intervențională.
Profilarea compoziției corpului (BCP) oferă informații despre raportul dintre mușchi și grăsime și distribuția lor în organism. Etalonul aur pentru BCP este DEXA (absorptiometrie cu raze X duală); cu toate acestea, aceasta utilizează raze X și nu oferă informații precise cu privire la distribuția regională. Tomografia prin rezonanță magnetică (MRT) generează imagini cu rezoluție ridicată, cu precizie milimetrică, a întregului corp în doar câteva minute, fără radiații ionizante și poate face diferența între grăsime și apă folosind informații de frecvență din ecou. „Acest lucru poate fi folosit chiar pentru a cuantifica conținutul de grăsime al depozitelor microscopice de grăsime, de exemplu în ficat”, spune Guggenberger. Informații detaliate despre grăsimea subcutanată sau viscerală, acumulările de grăsime în ficat și mușchii scheletici, precum și volumul muscular din diferite regiuni ajută la identificarea mai bună a pacienților cu risc de sarcopenie și la inițierea unor măsuri terapeutice adecvate, cum ar fi o dietă diferită sau o activare fizică. Șansele de supraviețuire a pacienților cu boli cronice avansate, cum ar fi cancerul, pot fi, de asemenea, mai bine determinate, ceea ce are, de asemenea, o influență asupra deciziilor de terapie.
Analiza expertului consumă mult timp
Dezavantajul tehnicii RMN a întregului corp pe care Dr. Guggenberger și colegii săi au cercetat bine pacienții cu reumatism cu miopopatie, de exemplu, este că necesită un nivel ridicat de cunoștințe de specialitate și consumă mult timp, deoarece „structurile din corp trebuie să fie atribuite strat cu strat”. Cheltuielile mari fac dificilă aplicarea mai largă a acestei tehnologii. Din acest motiv, grupul de lucru al prof. Ender Konukoglu de la Computer Vision Lab de la ETH Zurich a creat un instrument de segmentare software bazat pe inteligență artificială (AI), care oferă date rapide și precise cu privire la segmentele de volum afișate în RMN. Guggenberger și echipa au verificat deja algoritmul dezvoltat pentru acest lucru pe diferite țesuturi. În cazul grăsimii subcutanate, IA și analiza efectuată de experți produc deja rezultate comparabile. „Încă lucrăm la optimizări pentru grăsimea viscerală și pentru diferiți mușchi”, spune Guggenberger.
Dacă metoda, care este încă în curs de cercetare, este stabilită, relația dintre BCP și obiectivele clinice, de exemplu la pacienții cu cancer, ar putea fi examinată mai îndeaproape în cohorte mari. Într-un al doilea pas, este planificat să se transfere algoritmul de la MRT la imagini CT și astfel să se efectueze analize retrospective ale imaginilor CT din arhiva extinsă USZ. În acest fel, parametrii BCP ar putea fi apoi determinați mai precis pentru prognoze mai precise pentru diferite boli.
PD Dr. med. univ.Roman Guggenberger
Șef doctor