基于AI的MRI分析揭示老年人群大腿肌肉横截面积与脂肪浸润的性别差异及其临床意义

本研究通过深度学习模型自动分割MRI图像，量化评估50岁以上人群六组大腿肌肉的横截面积(CSA)和脂肪浸润(FI)，揭示了显著的性别差异：男性肌肉CSA更大而FI更低，女性后侧肌群FI与年龄呈正相关。该成果为老年肌肉衰退和衰弱评估提供了高效精准的新方法，对个体化干预具有重要临床价值。

　　

随着全球老龄化加剧，肌肉衰减已成为威胁老年人健康的核心问题。骨骼肌(skeletal muscle)质量与功能的进行性下降，不仅导致行动能力丧失，更显著增加跌倒和失能风险。然而，传统评估手段如双能X线吸收仪(DXA)仅能测量肌肉质量，无法揭示肌肉质量的关键指标——脂肪浸润(fat infiltration, FI)这一"隐形杀手"。更棘手的是，现有研究多聚焦单一肌群，且手动MRI分割耗时费力，阻碍了大样本精准分析。

针对这一系列挑战，意大利加莱亚齐骨科研究所(IRCCS Istituto Ortopedico Galeazzi)的研究团队创新性地将深度学习(DL)技术与MRI相结合，对141名52-82岁受试者进行大腿肌肉多维度评估。研究通过自主研发的AI分割系统，首次系统比较了六组肌群（股直肌、股外侧肌、内收肌、股二头肌、半膜肌和半腱肌）的横截面积(cross-sectional area, CSA)和FI性别差异，并探索其与年龄的关联。这项发表于《European Radiology Experimental》的研究，为老年肌肉衰退的精准评估树立了新标准。

研究采用三大关键技术：1）基于U-Net架构的深度学习模型，使用375张手动标注的MRI切片训练自动分割系统；2）Dixon序列MRI定量分析大腿中段15层5mm切片的CSA和FI；3）DXA测定四肢骨骼肌质量指数(ASMMI)和体脂百分比(FAT%)。所有受试者均为久坐人群，排除了脊柱/关节手术等干扰因素。

肌肉分割与体成分分析
AI模型展现出卓越性能，肌肉分割的交并比(IoU)达0.84-0.99。整体大腿CSA均值10,766.9 mm²，男性(12,463.9 mm²)显著高于女性(8,892.6 mm²)，效应量达2.39（极大）。FI则呈现相反趋势，女性整体FI(17.47%)显著高于男性(12.62%)。DXA数据印证了性别差异：女性ASMMI(5.65 kg/m²)低于诊断阈值(5.5 kg/m²)，32%女性符合肌肉衰减症诊断标准。

肌群特异性差异

前侧肌群（股外侧肌和股直肌）CSA最大，而后侧肌群（半膜肌和股二头肌）FI最高。男性所有肌群CSA均显著更大（p<0.001），效应量从股直肌的1.05（中等）到股外侧肌的2.39（极大）。女性后侧肌群FI显著高于男性，其中股二头肌差异最大（21.07% vs 15.21%）。

年龄相关性
仅在女性中发现后侧肌群FI与年龄显著正相关：股二头肌(r=0.48)、半膜肌(r=0.41)和半腱肌(r=0.35)。这一发现提示女性更年期后激素变化可能特异性影响腘绳肌脂肪沉积。值得注意的是，CSA与年龄无显著相关性，颠覆了传统认知。

这项研究通过AI赋能的精准测量，首次系统描绘了老年大腿肌群退化的"性别图谱"。其临床价值体现在三方面：1）证实后侧肌群FI可作为女性肌肉衰老的敏感指标；2）为肌肉衰减症的早期诊断提供量化标准；3）指导针对性康复训练——女性应重点加强后链肌群抗阻训练以减少脂肪浸润。未来研究可纵向追踪肌群特异性变化轨迹，并探索激素替代疗法对FI的影响。该成果标志着肌肉衰老评估进入智能化、精准化新时代。