[ad_1]

تصویر

تصویر: نمونه ای از تجزیه و تحلیل ترکیب بدن برش CT شکمی با چربی زیر جلدی در سبز ، عضله اسکلتی به رنگ قرمز و چربی احشایی به رنگ زرد. چشم انداز بیشتر

اعتبار: انجمن رادیولوژی آمریکای شمالی

بلوط بلوط ، بیماری. – تجزیه و تحلیل خودکار تصویر CT CT از حفره شکم اندازه گیری دقیق تری از ترکیب بدن را فراهم می کند و وقایع عمده قلبی عروقی مانند حمله قلبی و سکته مغزی را بهتر از وزن کل یا شاخص توده بدن (BMI) پیش بینی می کند مطالعه امروز در نشست سالانه انجمن رادیولوژی آمریکای شمالی (RSNA) ارائه شده است.

دکتر کیرتی ماگودیا ، دکتر تحقیقات شکم و سونوگرافی در دانشگاه کالیفرنیا ، سانفرانسیسکو ، گفت: “الگوهای خطرناک قلب و عروق تکیه بر عواملی مانند وزن و BMI دارند که جایگزین خام ترکیب بدن هستند.” “کاملاً ثابت شده است که افراد با BMI یکسان نسبت قابل توجهی از عضله و چربی دارند. این تفاوت ها برای نتایج مختلف سلامتی مهم است.”

برخلاف BMI که بر اساس قد و وزن است ، یک تکه محوری CT شکم حجم ناحیه چربی زیر جلدی ، ناحیه چربی احشایی و عضله اسکلتی را تجسم می کند. با این حال ، اندازه گیری دستی این مناطق جداگانه به صورت دستی زمان بر و گران است.

دکتر ماگودیا به عنوان رادیولوژیست در بیمارستان بریگام و زنان در بوستون ، بخشی از یک تیم چند رشته ای از محققان است ، از جمله رادیولوژیست ها ، یک دانشمند داده و یک متخصص آمار ، که یک روش کاملاً خودکار را با استفاده از یادگیری عمیق – هوش مصنوعی (AI) – برای تعیین شاخص های ترکیب بدن از تصاویر CT شکمی – سایپرز ، باشگاه دانش

دکتر ماگودیا گفت: “کدگذاری سی تی اسکن از شکم ، که به طور معمول انجام می شود ، روش دقیق تری را برای بررسی ترکیب بدن فراهم می کند ، اما ما در حال حاضر از آن استفاده نمی کنیم.”

گروه مطالعه از 33182 سی تی اسکن سرپایی انجام شده بر روی 23136 بیمار در Partners Healthcare در بوستون در سال 2012 انجام شد. محققان 12128 بیمار را شناسایی کردند که در آن زمان از تشخیص عمده قلب و عروق و سرطان عاری بودند. به تصویر کشیدن میانگین سنی بیماران 52 سال بود و 57٪ بیماران زنان بودند.

محققان بخش L3 CT (از سومین ستون فقرات کمر) را انتخاب کردند و مناطق ترکیب بدن را برای هر بیمار محاسبه کردند. سپس بیماران بر اساس مقادیر نرمال شده بافت چربی زیر جلدی ، بافت چربی احشایی و عضله اسکلتی به چهار ربع تقسیم شدند.

در این مطالعه گذشته نگر ، مشخص شد که کدام یک از این 12128 بیمار پس از سی تی اسکن شکمی ، در مدت 5 سال دچار سکته قلبی (انفارکتوس میوکارد) یا سکته مغزی شده اند. محققان در این گروه مطالعه 1560 سکته قلبی و 938 سکته مغزی پیدا کردند.

تجزیه و تحلیل آماری نشان داد که منطقه چربی احشایی به طور مستقل با حمله قلبی و سکته مغزی در آینده مرتبط است. BMI با حمله قلبی یا سکته مغزی ارتباط ندارد.

دکتر مگودیا گفت: “گروهی از بیماران که بالاترین نسبت چربی احشایی را دارند ، حتی در صورت اصلاح عوامل خطرزای قلبی عروقی ، احتمال حمله قلبی دارند.” “گروهی از بیماران با کمترین میزان چربی احشایی در سالهای پس از سی تی اسکن شکمی در برابر سکته مغزی محافظت شدند.”

وی افزود: “این نتایج نشان می دهد که اندازه گیری دقیق ترشحات عضله و چربی بدن توسط CT نسبت به نشانگرهای زیستی سنتی برای پیش بینی خطر پیامدهای قلبی عروقی برتر است.”

به گفته دکتر مگودیا ، این کار نشان می دهد که هم اکنون می توان تجزیه و تحلیل کاملاً خودکار و نرمال ترکیب بدن را برای پروژه های تحقیقاتی در مقیاس بزرگ اعمال کرد.

دکتر ماگودیا گفت: “این کار نوید سیستم های هوش مصنوعی برای افزودن ارزش به مراقبت های بالینی را با استخراج اطلاعات جدید از داده های تصویربرداری موجود نشان می دهد.” “پیاده سازی سیستم های هوش مصنوعی این امکان را به شما می دهد که متخصصان رادیولوژی ، قلب و پزشکان مراقبت های اولیه مراقبت بهتر از بیمار را با حداقل هزینه اضافی برای سیستم بهداشت ارائه دهند.”

این سند برنده جایزه کارآموزی تحقیقاتی RSNA 2020 است.

کریستوفر پی. بریج ، دی. فیل ، دکتر کامدن پی. بی ، دکتر فلوریان ج. فینتلمن ، دکتر آنا بابیچ ، دکتر کاترین پی اندریول ، برایان ام والپین ، دکتر و مایکل اچ روزنتال ، دکتر ، دکتر

###

برای کسب اطلاعات بیشتر و تصاویر ، به RSNA.org/press20 مراجعه کنید. برای مشاهده مطالب تحریم شده به یک حساب مطبوعاتی نیاز است.

RSNA انجمنی از رادیولوژیست ها ، انکولوژیست های پرتوی ، فیزیکدانان پزشکی و دانشمندان مرتبط است که از طریق آموزش ، تحقیق و نوآوری های فناوری ، برتری در مراقبت از بیمار و ارائه مراقبت های بهداشتی را ارتقا می دهند. دفتر مرکزی این شرکت در اوک بروک ، ایلینوی است. (RSNA.org)

یادداشت سردبیر: داده های این نشریات ممکن است با آنچه در خلاصه منتشر شده و در واقع در جلسه ارائه شده متفاوت باشد ، زیرا محققان همچنان اطلاعات خود را تا جلسه به روز می کنند. برای اطمینان از اینکه از آخرین اطلاعات استفاده می کنید ، لطفاً با تیم روابط رسانه ای RSNA از طریق Newsroom به شماره 1-630-590-7762 تماس بگیرید.

برای اطلاعات سی تی شکم بیمار پسند ، به RadiologyInfo.org مراجعه کنید.

سلب مسئولیت: AAAS و EurekAlert! هیچ مسئولیتی در قبال صحت گزارشهای خبری منتشر شده در EurekAlert ندارند! از طریق موسسات کمک کننده یا استفاده از هرگونه اطلاعات از طریق سیستم EurekAlert.

[ad_2]

منبع: kolah-news.ir