Folosindu-se de inteligenţa artificială (AI) şi de cel mai mare set de date de până acum de scanări IRM/RMN al creierului, cercetătorii americani au dezvoltat o diagramă pentru urmărirea masei musculare la copiii în creştere.
Instrumentul AI este primul care oferă o modalitate standardizată, precisă şi fiabilă de evaluare şi urmărire a indicatorilor de masă musculară în urma unui RMN de rutină.
Rezultatele au fost publicate joi, în revista Nature Communications.
Pacienţii cu cancer pediatric se luptă adesea cu o masă musculară scăzută, dar nu există o modalitate standard pentru a o măsura.
Echipa a folosit inteligenţa artificială pentru a măsura grosimea muşchiului temporal şi a crea o referinţă standardizată.
Metodologia a produs o diagramă de creştere care poate fi folosită pentru a urmări rapid şi în timp real grosimea muşchilor la copiii în curs de dezvoltare.
„Prin intermediul diagramei de creştere putem determina dacă dezvoltarea copiilor are loc într-un interval ideal", explică autorul principal dr. Ben Kann, oncolog radioterapeut în cadrul departamentului de radio-oncologie şi al Programului de inteligenţă artificială în medicină de la Mass General Brigham.
Masa musculară slabă la oameni a fost legată de calitatea vieţii, de starea funcţională zilnică şi este un indicator al sănătăţii generale şi al longevităţii.
Persoanele cu afecţiuni precum sarcopenia sau masa musculară slabă scăzută riscă să moară mai devreme sau, în caz contrar, să fie predispuse la diverse boli care le pot afecta calitatea vieţii.
Din punct de vedere tradiţional, nu a existat o modalitate răspândită sau practică de urmărire a masei musculare slabe, indicele de masă corporală (IMC) servind ca formă implicită de măsurare.
Punctul slab al utilizării IMC este că, deşi ia în considerare greutatea, nu indică cât de mult din această greutate este reprezentată de muşchi.
De zeci de ani, oamenii de ştiinţă ştiu că grosimea muşchiului temporal din afara craniului este asociată cu masa musculară slabă din organism.
Cu toate acestea, grosimea acestui muşchi a fost dificil de măsurat în timp real în clinică şi nu a existat nicio modalitate de a diagnostica grosimea normală de cea anormală.
Metodele tradiţionale au implicat de obicei măsurători manuale, dar aceste practici necesită mult timp şi nu sunt standardizate.
Pentru a rezolva acest aspect, echipa de cercetare a aplicat algoritmi inteligenţi învăţare profundă la scanările RMN ale pacienţilor cu tumori cerebrale pediatrice trataţi la spitalul pediatric din Boston şi Institutul de cercetări pentru cancer Dana-Farber.
Echipa a analizat 23.852 de RMN-uri ale creierului normal şi sănătos de la persoane cu vârste cuprinse între 4 şi 35 de ani pentru a calcula grosimea muşchiului temporalis (iTMT) şi pentru a dezvolta diagrame de referinţă de creştere normală pentru acest muşchi.
Rezultatele RMN au fost colectate pentru a crea diagrame de creştere normală iTMT specifice fiecărui sex, cu percentile şi intervale. Ei au constatat că măsurătoarea iTMT este precisă pentru o gamă largă de pacienţi şi este comparabilă cu analiza experţilor umani instruiţi.
„Ideea este că aceste diagrame de creştere pot fi folosite pentru a determina dacă masa musculară a unui pacient se încadrează într-un interval normal, într-un mod similar cu diagramele de creştere a înălţimii şi greutăţii, care sunt utilizate de obicei în cabinetul medicului", a declarat dr. Kann.
În esenţă, noua metodă ar putea fi folosită pentru a evalua pacienţii care beneficiază deja de RMN-uri cerebrale de rutină care urmăresc afecţiuni medicale precum cancerele pediatrice şi bolile neurodegenerative.
Echipa speră că abilitatea de a monitoriza instantaneu şi cantitativ muşchiul temporal le va permite medicilor să intervină rapid pentru pacienţii care prezintă semne de pierdere musculară şi, astfel, să prevină efectele negative ale sarcopeniei şi ale masei musculare scăzute.
Una dintre limitări constă în faptul că algoritmii se bazează pe calitatea scanării şi pe modul în care o rezoluţie suboptimală poate afecta măsurătorile şi interpretarea rezultatelor.
Un alt dezavantaj este reprezentat de cantitatea limitată de seturi de date RMN disponibile în afara Statelor Unite şi a Europei care pot oferi o imagine globală exactă.
În viitor, echipa îşi propune să exploreze dacă utilitatea iTMT va fi suficient de mare pentru a justifica obţinerea de RMN-uri în mod regulat pentru mai mulţi pacienţi, potrivit dr. Kann.
Ei intenţionează să îmbunătăţească performanţa modelului prin antrenarea acestuia pe cazuri mai dificile şi mai variabile.
Aplicaţiile viitoare ale iTMT ar putea permite urmărirea şi estimarea morbidităţii, precum şi identificarea stării fiziologice critice la pacienţii care necesită intervenţie.
