研究人员从最大的儿童MRI数据集中创建了一个人工智能驱动的生长图表，以跟踪儿童的肌肉质量，从而实现更准确的健康评估和对肌肉损失的潜在早期干预。

布里格姆大学的研究人员利用人工智能对核磁共振扫描结果进行了分析，得出了一个参考生长标准，以及一种快速、可重复的方法来测量发育中儿童的瘦肌肉质量指标。

利用人工智能和迄今为止最大的儿童大脑MRI数据集，研究人员现在开发了一种生长图表，用于跟踪成长中的儿童的肌肉质量。这项新研究由布莱根妇女医院的研究人员领导，布莱根妇女医院是麻省总医院布莱根医疗系统的创始成员之一，他们发现，他们基于人工智能的工具是第一个提供标准化、准确和可靠的方法来评估和跟踪常规MRI上的肌肉质量指标的工具。他们的研究结果发表在今天(11月9日)的《自然通讯》杂志上。

肌肉质量跟踪入门

“儿科癌症患者经常与肌肉质量低作斗争，但没有标准的方法来衡量这一点。我们的动机是使用人工智能来测量颞肌厚度，并创建一个标准化的参考，”资深作者Ben Kann医学博士说，他是布里格姆放射肿瘤学部门的放射肿瘤学家和麻省总医院布里格姆医学项目的人工智能。

“我们的方法产生了一个生长图表，我们可以用它来快速实时地跟踪发育中的儿童的肌肉厚度。通过这一点，我们可以确定它们是否在理想的范围内生长。”

的即时通讯瘦肌肉质量的重要性

人类的瘦肌肉质量与生活质量、日常功能状态有关，是整体健康和寿命的指标。患有肌肉减少症或瘦肌肉量低等疾病的人有早死的风险，或者容易患上影响其生活质量的各种疾病。

从历史上看，没有一种广泛或实用的方法来跟踪瘦肌肉质量，身体质量指数(BMI)是默认的测量形式。使用体重指数的缺点是，虽然它考虑了体重，但它并没有表明体重中有多少是肌肉。

几十年来，科学家们已经知道头骨外颞肌的厚度与身体的瘦肌肉质量有关。然而，在临床上，这种肌肉的厚度很难实时测量，也没有办法诊断正常和异常的厚度。传统的方法通常涉及人工测量，但是这些实践既耗时又不标准化。

创新研究及成果

为了解决这个问题，研究小组将他们的深度学习管道应用于波士顿儿童医院/丹娜-法伯癌症研究所与波士顿儿童放射科合作治疗的儿童脑肿瘤患者的MRI扫描。研究小组分析了年龄在4岁到35岁之间的23852个正常健康大脑的核磁共振成像，计算了颞肌厚度(iTMT)，并为该肌肉制定了正常参考生长图表。MRI结果汇总以创建具有性别特异性的iTMT正常生长图表，并附有百分位数和范围。他们发现，iTMT对大范围的患者都是准确的，并且可以与训练有素的人类专家的分析相媲美。

临床应用

“我们的想法是，这些生长图表可以用来确定病人的肌肉质量是否在正常范围内，就像医生办公室里通常使用的身高和体重增长图表一样，”Kann说。

从本质上讲，这种新方法可以用来评估那些已经接受了常规脑部核磁共振成像的患者，这些核磁共振成像可以追踪儿童癌症和神经退行性疾病等医疗状况。该团队希望，即时和定量监测颞肌的能力将使临床医生能够快速干预表现出肌肉损失迹象的患者，从而防止肌肉减少症和低肌肉质量的负面影响。

其中一个限制在于算法对扫描质量的依赖，以及次优分辨率如何影响测量和结果的解释。另一个缺点是，美国和欧洲以外的MRI数据集数量有限，无法提供准确的全球图像。

未来的发展方向

“在未来，我们可能想要探索iTMT的效用是否足够高，以证明更多患者定期接受核磁共振成像是合理的，”Kann说。“我们计划通过在更具挑战性和可变的情况下进行训练来提高模型的性能。iTMT的未来应用可以让我们跟踪和预测发病率，并揭示需要干预的患者的关键生理状态。”

参考文献:《儿童到成年的自动颞肌定量和生长图表》，作者Zapaishchykova, A等，2023年11月9日，《自然通讯》。DOI: 10.1038 / s41467 - 023 - 42501 - 1

作者:布里格姆附属作者包括Anna Zapaishchykova, Kevin X. Liu, Anurag Saraf，叶泽中，Yashwanth Ravipati, Arnav Jain, Julia Huang, Hasaan Hayat, Jirapat Likitlersuang, Sridhar Vajapeyam, Rishi B. Chopra, Raymond H. Mak, Tabitha M. Cooney, Daphne A. Haas-Kogan, Tina Y. Poussaint和Hugo J.W.L. Aerts。其他作者包括Paul Catalano, Viviana Benitez, Ariana M. Familiar, Ali Nabavidazeh, Adam C. Resnick, Sabine Mueller，

经费:作者感谢美国国立卫生研究院的财政支持(HA: NIH- usa U24CA194354, NIH- usa U01CA190234, NIH- usa U01CA209414和NIH- usa R35CA22052;BHK: NIH-USA K08DE030216-01)，以及欧盟-欧洲研究理事会(HA: 866504)。KL由美国国立卫生研究院贷款偿还计划L40 CA264321资助。分享推特reddit电子邮件分享

更多关于sciitechdaily

健康

科学

健康

健康

空间

生物学

空间

空间