人工智能助力胸部 CT 诊断肌肉减少症：精准量化与关联研究

为解决胸部 CT 能否诊断肌肉减少症问题，研究对比多种模型，发现胸部 CT 经 AI 分析可诊断，意义重大。

　　肌肉减少症（Sarcopenia）指骨骼肌功能和质量下降，是不良预后因素，通常通过测量 L₃水平骨骼肌质量来诊断。胸部计算机断层扫描（CT）不包含 L₃层面。本研究旨在确定胸部 CT 能否用于诊断肌肉减少症，从而指导患者管理和治疗决策。研究对比了 ResNet-UNet、Recurrent Residual UNet 和 UNet3 + 模型在胸部 CT 图像中分割和测量胸肌面积的效果。研究共收集了 1644 名患者的 4932 张胸部 CT 图像，以及 294 名患者的额外腹部 CT 数据。采用骰子相似系数（DSC）、准确率、敏感度和特异度评估模型性能，通过线性回归分析对比分割出的胸肌和 L₃肌肉面积之间的相关性。结果显示，三种模型分割性能均较高，其中 UNet3 + 模型表现最佳（DSC 为 0.95±0.03 ）。胸肌与 L₃肌肉面积的皮尔逊相关系数呈显著正相关（r=0.65） 。在仅使用肌肉面积的单变量分析（r=0.74）和考虑性别、体重、年龄及肌肉面积的多变量分析（r=0.83）中，转换后的胸肌与 L₃肌肉面积的相关系数呈更强的正相关。利用人工智能在胸部 CT 上分割胸肌面积准确性高，测量值与 L₃肌肉面积相关性强。因此，借助人工智能技术的胸部 CT 在肌肉减少症诊断中可能发挥重要作用。