Według amerykańskich autorów (DOI: 10.2214/AJR.22.27977) w pełni zautomatyzowana i znormalizowana analiza składu ciała w tomografii komputerowej jamy brzusznej może przyczynić się do ulepszenia tradycyjnych modeli przewidywania ryzyka sercowo-naczyniowego.

„Obszar trzewnej tkanki tłuszczowej przy w pełni zautomatyzowanej i znormalizowanej analizie badań TK jamy brzusznej pozwala przewidzieć późniejszy zawał mięśnia sercowego lub udar mózgu niezależnie od tradycyjnych mierników masy ciała i powinien być traktowany jako dodatek do BMI w modelach ryzyka” – napisała pierwsza autorka, dr Kirti Magudia, z wydziału radiologii w Duke University School of Medicine.

W retrospektywnym badaniu przeprowadzonym przez dr Magudię i współpracowników wzięło udział 9752 pacjentów ambulatoryjnych (5519 kobiet, 4233 mężczyzn; 890 osób rasy czarnej, 8862 rasy białej; średni wiek 53,2 lat), którzy przeszli rutynową tomografię komputerową jamy brzusznej w Brigham and Women's Hospital lub Massachusetts General Hospital od stycznia do grudnia 2012 roku, bez poważnej diagnozy sercowo-naczyniowej lub onkologicznej w ciągu 3 miesięcy od badania.

Metodą głębokiego uczenia maszynowego przeprowadzono w pełni zautomatyzowaną analizę składu ciała na poziomie kręgów lędźwiowych (L3), aby określić proporcje trzech rodzajów tkanki: mięśni szkieletowych, trzewnej tkanki tłuszczowej i podskórnej tkanki tłuszczowej. Kolejny zawał mięśnia sercowego lub udar mózgu został ustalony na podstawie elektronicznej dokumentacji medycznej.

Ostatecznie, po normalizacji ze względu na wiek, płeć i rasę, obszar trzewnej tkanki tłuszczowej uzyskany z rutynowej CT wiązał się z ryzykiem zawału mięśnia sercowego i udaru.

Jak przewidują autorzy, w pełni zautomatyzowana analiza składu ciała przy użyciu uczenia maszynowego mogłaby być szeroko stosowana do uzyskania dodatkowych informacji z rutynowych badań obrazowych.(PAP)

Autor: Paweł Wernicki

pmw/ agt/