Folosindu-se de inteligența artificială (AI) și 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 creștere.
Instrumentul AI este primul care oferă o modalitate standardizată, precisă și fiabilă de evaluare și urmărire a indicatorilor de masă musculară în urma unui RMN de rutină.
Rezultatele au fost publicate joi, în revista Nature Communications.
Pacienții cu cancer pediatric se luptă adesea cu o masă musculară scăzută, dar nu există o modalitate standard pentru a o măsura.
Echipa a folosit inteligența artificială pentru a măsura grosimea mușchiului temporal și a crea o referință standardizată.
Metodologia a produs o diagramă de creștere care poate fi folosită pentru a urmări rapid și în timp real grosimea mușchilor la copiii în curs de dezvoltare.
„Prin intermediul diagramei de creștere 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 și al Programului de inteligență artificială în medicină de la Mass General Brigham.
Masa musculară slabă la oameni a fost legată de calitatea vieții, de starea funcțională zilnică și este un indicator al sănătății generale și al longevității.
Persoanele cu afecțiuni 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 vieții.
Din punct de vedere tradițional, 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, deși ia în considerare greutatea, nu indică cât de mult din această greutate este reprezentată de mușchi.
De zeci de ani, oamenii de știință știu că grosimea mușchiului temporal din afara craniului este asociată cu masa musculară slabă din organism.
Cu toate acestea, grosimea acestui mușchi a fost dificil de măsurat în timp real în clinică și nu a existat nicio modalitate de a diagnostica grosimea normală de cea anormală.
Metodele tradiționale au implicat de obicei măsurători manuale, dar aceste practici necesită mult timp și nu sunt standardizate.
Pentru a rezolva acest aspect, echipa de cercetare a aplicat algoritmi inteligenți învățare profundă la scanările RMN ale pacienților cu tumori cerebrale pediatrice tratați la spitalul pediatric din Boston și Institutul de cercetări pentru cancer Dana-Farber.
Echipa a analizat 23.852 de RMN-uri ale creierului normal și sănătos de la persoane cu vârste cuprinse între 4 și 35 de ani pentru a calcula grosimea mușchiului temporalis (iTMT) și pentru a dezvolta diagrame de referință de creștere normală pentru acest mușchi.
Rezultatele RMN au fost colectate pentru a crea diagrame de creștere normală iTMT specifice fiecărui sex, cu percentile și intervale. Ei au constatat că măsurătoarea iTMT este precisă pentru o gamă largă de pacienți și este comparabilă cu analiza experților umani instruiți.
„Ideea este că aceste diagrame de creștere 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 creștere a înălțimii și greutății, care sunt utilizate de obicei în cabinetul medicului”, a declarat dr. Kann.
În esență, noua metodă ar putea fi folosită pentru a evalua pacienții care beneficiază deja de RMN-uri cerebrale de rutină care urmăresc afecțiuni medicale precum cancerele pediatrice și bolile neurodegenerative.
Echipa speră că abilitatea de a monitoriza instantaneu și cantitativ mușchiul temporal le va permite medicilor să intervină rapid pentru pacienții care prezintă semne de pierdere musculară și, astfel, să prevină efectele negative ale sarcopeniei și ale masei musculare scăzute.
Una dintre limitări constă în faptul că algoritmii se bazează pe calitatea scanării și pe modul în care o rezoluție suboptimală poate afecta măsurătorile și interpretarea rezultatelor.
Un alt dezavantaj este reprezentat de cantitatea limitată de seturi de date RMN disponibile în afara Statelor Unite și a Europei care pot oferi o imagine globală exactă.
În viitor, echipa își propune să exploreze dacă utilitatea iTMT va fi suficient de mare pentru a justifica obținerea de RMN-uri în mod regulat pentru mai mulți pacienți, potrivit dr. Kann.
Ei intenționează să îmbunătățească performanța modelului prin antrenarea acestuia pe cazuri mai dificile și mai variabile.
Aplicațiile viitoare ale iTMT ar putea permite urmărirea și estimarea morbidității, precum și identificarea stării fiziologice critice la pacienții care necesită intervenție.
Niciun comentariu!
Poți adăuga unul pentru a porni o conversație.