编辑推荐：
为解决手动测量身体成分参数（如骨骼肌量、脂肪组织含量等）在临床应用中的局限性，研究人员开展了利用深度学习分割模型从常规 CT 扫描提取身体成分参数的研究。结果显示自动与手动测量相关性强，SMtotal预测总体生存率（OS）效果良好，该研究为临床评估提供新途径。
在医学领域，精准评估身体成分对疾病预后和治疗方案制定意义重大。肌肉减少症（Sarcopenia），这一以骨骼肌质量减少为特征的病症，在肿瘤学及肿瘤外科中备受关注。约 35% 的肿瘤患者受其影响，它与较差的总体生存率（Overall Survival，OS）、无病生存率降低以及对癌症治疗的反应减弱紧密相关 ，在手术场景下，还会显著增加术后并发症风险 。就拿胰腺癌来说，肌肉减少症患者围手术期死亡率更高，总体生存时间更短。因此，早期识别肌肉减少症至关重要，这能为患者制定针对性的预康复策略，改善短期和长期治疗效果 。
目前，确定肌肉减少症或其替代参数的方法众多，其中计算机断层扫描（Computed Tomography，CT）评估因广泛可用性和测量的标准化、可重复性而被广泛应用 。然而，手动测量 CT 扫描图像耗时费力，严重限制了其在临床常规中的应用。随着深度学习语义分割技术的发展，将其应用于身体成分参数测定展现出巨大潜力 。虽已有研究证明深度学习模型在分割肌肉和脂肪组织方面的可行性，但这些模型的广泛应用受限于可及性不足。
为填补这一空白，德国慕尼黑路德维希 - 马克西米利安大学医院（Ludwig-Maximilians-University Hospital Munich）等机构的研究人员开展了相关研究。他们开发了一种灵活的、开源的流程（pipeline），将现有的深度学习分割模型与预处理和后处理步骤相结合，以从常规 CT 扫描中提取身体成分测量值。该研究成果发表在《Scientific Reports》上，为身体成分评估提供了新的方向和方法。
研究人员在本研究中采用了多种关键技术方法。首先是数据收集，研究纳入了 2003 年至 2016 年间 382 例因肝或胰腺疾病接受手术的患者，选取其中有潜在肿瘤疾病且术前两个月内有高质量 CT 扫描的患者数据 。其次，运用 TotalSegmentator 进行自动化测量，结合特定的预处理和后处理步骤 。在分析方法上，采用 Bland–Altman 分析、相关性指标、线性混合效应模型、Kaplan–Meier 分析等多种统计方法对数据进行处理和分析。
下面来看具体的研究结果：
- 患者特征：最终纳入 337 例接受肿瘤手术的患者，其中转移性结直肠癌患者 174 例（51.6%），胰腺导管腺癌患者 150 例（44.5%）等。患者年龄在 21 - 85 岁之间，平均年龄 64.5 岁，41.5% 为女性 。CT 扫描多在术前 15 天进行，中位切片厚度为 5mm。
- 深度学习与手动测量对比：在 L3 水平，Bland–Altman 分析表明，SMpsoas和内脏脂肪组织（Visceral Adipose Tissue，VAT）的 CSA 在自动测量时低于手动测量，而皮下脂肪组织（Subcutaneous Adipose Tissue，SAT）则无显著系统差异。所有测量值相关性强，如SMpsoas的r=0.776，VAT 的r=0.993，SAT 的r=0.984 ，且P均小于 0.001。
- 测量差异原因：对比手动和自动确定的 L3 中心层面，多数患者层面相同或相邻，但仍有部分存在差异。自动分割错误有的与椎体异常有关，如腰椎骶化或骶椎腰化；有的独立发生 。VAT 测量差异主要源于仅依据 HU 阈值选择腹腔内体素导致的误分类。此外，肌肉误标注、肢体误纳入、CT 扫描噪声等也是测量偏差的原因。
- 成像平面影响：研究发现，SMpsoas和 SAT 的 CSA 在腰椎下部更大，且离 L3 中心参考层面越远，偏差越大 。相比之下，SMtotal在不同测量层面更稳定。
- 测量变异性降低：通过计算每个椎体水平的平均 CSA 并比较 L2、L4 与 L3 的值，发现SMpsoas和 SAT 在较低层面更大，SMtotal在 L2 和 L4 相对 L3 变化较小 。线性混合效应模型进一步证实了这一趋势。
- 与总体生存率的关系：在胰腺癌患者中，基于SMtotal的骨骼肌指数（Skeletal Muscle Index，SMI）预后准确性显著高于基于SMpsoas的 SMI；在结直肠癌患者中，两者预后准确性相当 。
研究结论和讨论部分表明，该研究开发的软件流程能实现从常规 CT 扫描自动测量身体成分参数。自动测量与手动测量相关性强，且对总体生存率有预后价值。SMtotal跨椎体水平更稳定，可作为评估肌肉减少症更可靠的指标 。不过，研究也存在局限性，如缺乏像素级真实近似，未提供改进的训练标签或新模型 。未来研究可基于公开数据集改进标签，探索不同测量技术在更多患者群体和癌症类型中的预后价值，从而优化多模式治疗方案，提高癌症患者的治疗效果。这项研究为身体成分评估提供了新的有力工具，虽有不足，但为后续研究指明了方向，有望推动临床精准医疗的发展。
