Profilovanie zloženia tela pomocou AI - Fakultná nemocnica Zürich
Svalová hmota a sila s vekom klesajú. Sarkopénia a zvýšenie intra- alebo intermuskulárneho tukového tkaniva (myosteatóza) sú dôležitými prognostickými faktormi v geriatrii, ako aj u pacientov s chronickými chorobami. Zvýšenie svalového tuku a obezita súvisia s vyšším rizikom inzulínovej rezistencie a cukrovky typu 2, kardiovaskulárnych chorôb a horšieho prežívania pacientov s rakovinou. „Zloženie tela je rozhodujúce,“ hovorí PD Dr. Roman Guggenberger z Ústavu pre diagnostickú a intervenčnú rádiológiu.
Profilovanie zloženia tela (Body Composition Profiling, BCP) poskytuje informácie o pomere svalov k tuku a ich distribúcii v tele. Zlatým štandardom pre BCP je DEXA (duálna röntgenová absorpciometria); toto však využíva röntgenové lúče a neposkytuje presné informácie o regionálnom rozšírení. Magnetická rezonančná tomografia (MRT) generuje s vysokým rozlíšením a na milimetre presné rezy celého tela za pár minút bez ionizujúceho žiarenia a pomocou informácií o frekvencii z ozveny dokáže rozlišovať medzi tukom a vodou. „To sa dá dokonca použiť na kvantifikáciu obsahu tuku v mikroskopických tukových usadeninách, napríklad v pečeni,“ hovorí Guggenberger. Podrobné informácie o podkožnom alebo viscerálnom tuku, akumulácii tukov v pečeni a kostrových svaloch, ako aj o svalovom objeme rôznych oblastí, pomáhajú lepšie identifikovať pacientov s rizikom sarkopénie a zahájiť príslušné terapeutické opatrenia, ako je iná strava alebo fyzická aktivácia. Je tiež možné lepšie určiť šance na prežitie pacientov s pokročilými chronickými chorobami, ako je rakovina, čo ovplyvňuje aj rozhodnutia o liečbe.
Analýza vykonaná odborníkom je časovo náročná
Nevýhodou celotelovej MRI techniky, ktorú Dr. Guggenberger a kolegovia napríklad dobre skúmali pacientov s reumatizmom s myypopatiou, že si vyžaduje vysokú úroveň odborných znalostí a je veľmi časovo náročná, pretože „štruktúram v tele je potrebné priradiť vrstvu po vrstve“. Vysoké výdavky sťažujú širšie uplatnenie tejto technológie. Preto pracovná skupina profesora Endera Konukoglu z laboratória počítačového videnia na ETH v Zürichu vytvorila softvérový segmentačný nástroj založený na umelej inteligencii (AI), ktorý poskytuje rýchle a presné údaje o objemových segmentoch zobrazených na MRI. Guggenberger a tím už skontrolovali algoritmus vyvinutý pre tento účel na rôznych tkanivách. V prípade podkožného tuku už AI a analýzy vykonané špecialistom prinášajú porovnateľné výsledky. „Stále pracujeme na optimalizácii viscerálneho tuku a rôznych svalov,“ hovorí Guggenberger.
Ak sa podarí vytvoriť metódu, ktorá sa v súčasnosti stále skúma, je možné podrobnejšie preskúmať vzťah medzi BCP a klinickými cieľmi, napríklad u pacientov s rakovinou, vo veľkých kohortách. V druhom kroku sa plánuje prenos algoritmu z MRT do CT snímok, a teda vykonanie retrospektívnych analýz CT snímok z rozsiahleho archívu USZ. Týmto spôsobom by sa dali parametre BCP určiť ešte presnejšie pre presnejšie prognózy rôznych chorôb.
PD Dr. med. univ.Roman Guggenberger
Vedúci lekár