基于MRI生物标志物的肌肉质量与结构联合模型提升肌力预测精度

为解决肌肉力量随衰老加速衰退的临床难题，来自多机构的研究团队通过定量核磁共振(qMRI)技术，创新性整合肌肉质量(脂肪分数FF、T2弛豫时间)与结构参数(分数各向异性FA、肌束长度)，构建了超越传统肌肉体积(CSA)的肌力预测模型。研究发现扩散张量成像(DTI)衍生的FA和肌束长度可显著提升向心/离心扭矩预测精度(R2提升)，为肌少症早期预测提供了新型影像学生物标志物。

　　

肌肉衰老过程中，力量流失速度远超肌肉量减少，暗示肌力衰退涉及复杂的质量与结构改变。这项研究突破性地采用多模态定量核磁共振(qMRI)技术，系统评估了股四头肌的微观结构特征：通过扩散张量成像(DTI)获取分数各向异性(FA)、径向扩散系数(RD)、轴向扩散系数(AD)等扩散参数，结合多回波自旋回波序列测定T₂弛豫时间，并采用Dixon技术量化脂肪浸润(FF)。研究团队创新性地将传统肌肉横截面积(CSA)与上述生物标志物结合，建立动态扭矩预测模型。

实验数据揭示：虽然瘦体重CSA仍是等长/离心/向心扭矩的最佳单变量预测指标，但引入股直肌(RF)和股外侧肌(VL)的肌束长度参数后，向心扭矩预测模型解释度显著提升。更值得注意的是，FA、T₂及肌束结构参数的联合应用，使离心扭矩预测效果产生突破性改善。该发现证实了肌肉微观结构变化在功能衰退中的关键作用，为临床建立基于qMRI多参数融合的肌少症预警体系提供了重要理论依据。