肥胖——即体内脂肪过度堆积——是心脏病、中风、2型糖尿病和肾脏疾病等心脏代谢疾病的重要诱因。然而，全面评估个体患病风险远比想象中复杂。传统测量方法如体重指数（BMI）存在明显缺陷，既无法区分脂肪与肌肉质量，也无法反映脂肪在体内的分布位置。
麻省总医院布里格姆医疗体系（Mass General Brigham）研究团队最新发现，一种专为测量身体成分设计的AI工具，仅需三分钟即可从全身扫描中精准提取关键数据。该成果发表于《内科学年鉴》（Annals of Internal Medicine），证实并非所有脂肪危害程度相同，并揭示了利用AI重新利用常规扫描数据的潜力。
该研究共同资深作者、麻省总医院布里格姆医疗体系心血管研究所计算科学家Vineet K. Raghu博士表示："我们希望这些发现能开发出'机会性筛查'工具，将医院常规获取的MRI和CT扫描重新用于识别身体成分高危患者——这些患者可能被传统方法遗漏，但能从针对性的糖尿病和心血管疾病预防措施中获益。"
研究团队基于英国生物银行（U.K. Biobank）数据开展前瞻性队列研究，分析了三万三千余名无糖尿病或心血管病史成年人的全身MRI，中位随访期达4.2年。结果显示：无论男女，AI测得的内脏脂肪组织体积（环绕腹部器官的脂肪）及肌肉脂肪沉积，与糖尿病和心血管疾病风险的关联强度均显著超越BMI和腰围等标准肥胖指标。在男性群体中，骨骼肌体积降低同样与疾病风险强相关。
研究作者指出，未来需进一步验证这些发现的普适性，以及AI能否在常规扫描中稳定测量此类身体成分指标。经充分验证后，这种AI驱动方法有望利用常规医学影像识别高风险患者。
更多信息：Jung M等.《身体成分与心脏代谢结局的关联》，《内科学年鉴》（2025）。DOI: 10.7326/ANNALS-24-01863
期刊信息：《内科学年鉴》
资料来源：Mass General Brigham
【全文结束】
