Pomocí umělé inteligence a velkého souboru magnetické rezonance mozku vědci vytvářejí růstové křivky pro sledování čisté svalové hmoty u rostoucích dětí.
V průběhu výzkumu specialisté z Brigham a ženská nemocnicezjistili, že jejich algoritmus založený na AI je první, který poskytuje standardizovaný, přesný a spolehlivý způsob hodnocení a sledování ukazatelů svalové hmoty po rutinních MRI.
Čistá svalová hmota úzce souvisí s kvalitou života. Její každodenní funkční stav je ukazatelem celkového zdraví a dlouhověkosti.
Pacienti s nemocemi, jako je sarkopenie nebo nízká svalová hmota, jsou vystaveni vyššímu riziku různých onemocnění ovlivňujících kvalitu života a také dřívější úmrtnosti.
Vědci vyvíjejí růstovou křivku, kterou lze použít ke sledování svalové tloušťky u vyvíjejících se dětí. Tímto způsobem je možné včasné stanovení optimálního růstu a vývoje.
Dosud jako prediktivní faktor pro zdravotní stav používají specialisté index tělesné hmotnosti (BMI). Nevýhodou použití této metriky je, že nedokáže určit hodnotu čisté svalové hmoty.
Základem nové metody je měření tloušťky spánkového svalu mimo lebku. Je známo, že souvisí s čistou svalovou hmotou v těle.
Tým analyzoval 23 852 snímků z magnetické rezonance zdravých mozků pacientů ve věku od 4 do 35 let. Poté vypočítali tloušťku spánkového svalu a vytvořili normální referenční růstové grafy pro sval. Byly shrnuty výsledky nukleární magnetické rezonance, načež byly sestrojeny normální růstové křivky podle pohlaví.
Nově vyvinutou metodou lze hodnotit pacienty, kteří podstupují rutinní magnetickou rezonanci mozku pro sledování různých onemocnění – onkologických či neurodegenerativních. To umožňuje kvantitativní sledování tloušťky temporalis svalu. Tímto způsobem bylo možné vysledovat jednotlivé známky úbytku svalové hmoty a předejít negativním účinkům sarkopenie a nízké svalové hmoty.
Vyvozené závěry jsou zveřejněny v Journal of Nature Communications.
Reference:
