根据今天在年度报告中提出的一项研究，腹部 CT 图像的自动深度学习分析可以更精确地测量身体成分，并预测心脏病和中风等主要心血管事件，其效果优于总体体重或体重指数 (BMI)。北美放射学会 (RSNA) 会议。
“已建立的心血管风险模型依赖于体重和体重指数等因素，这些因素是身体成分的粗略替代物，”加州大学旧金山分校腹部成像和超声研究员 Kirti Magudia 博士说。“众所周知，体重指数相同的人的肌肉和脂肪比例可能明显不同。这些差异对于各种健康结果都很重要。”
与基于身高和体重的 BMI 不同，腹部的单张轴向 CT 切片可显示皮下脂肪面积、内脏脂肪面积和骨骼肌面积的体积。然而，手动测量这些单独的区域既耗时又昂贵。
作为波士顿布莱根妇女医院的放射科住院医师，Magudia 博士是多学科研究团队的一员，该团队包括放射科医生、数据科学家和生物统计学家，他们使用深度学习(一种人工智能 (AI))开发了一种全自动方法。 )—从腹部 CT 图像确定身体成分指标。
“常规进行的腹部 CT 扫描提供了一种更精细的方式来观察身体成分，但我们目前还没有利用它，”马古迪亚博士说。
该研究队列源自 2012 年波士顿 Partners Healthcare 对 23,136 名患者进行的 33,182 例腹部 CT 门诊检查。研究人员确定了 12,128 名在成像时没有重大心血管和癌症诊断的患者。患者的平均年龄为 52 岁，其中 57% 的患者为女性。
研究人员选择了 L3 CT 切片(来自第三腰椎)并计算了每位患者的身体成分区域。然后根据皮下脂肪面积、内脏脂肪面积和骨骼肌面积的标准化值将患者分为四个四分位数。
在这项回顾性研究中，确定了这 12,128 名患者中哪些患者在首次腹部 CT 扫描后 5 年内患有心肌梗塞(心脏病发作)或中风。研究人员发现该研究组中发生了 1,560 例心肌梗塞和 938 例中风。