科学家们利用66,000多名成年人的数据开发了一种人工智能驱动的磁共振成像体成分计算器，揭示了脂肪和肌肉随年龄发生的隐性变化如何预示未来糖尿病、心脏病和过早死亡的风险。
研究：普通人群中的体成分：基于66,000多名个体的全身磁共振成像参考曲线。图片来源：放射学影像/Shutterstock.com
在近期发表于《放射学》杂志的一项研究中，研究人员估算了普通人群中磁共振成像（MRI）扫描的体成分（BC）指标。
磁共振成像体成分揭示隐藏的心脏代谢疾病风险
计算机断层扫描（CT）和磁共振成像（MRI）在支持诊断、预后和疾病监测方面发挥着关键作用。证据表明，从CT和MRI扫描中获得的体成分指标，如骨骼肌（SM）和脂肪组织分区，是癌症、心脏代谢疾病和死亡率的风险因素。然而，这些测量结果受性别、身高和年龄的影响。此外，目前缺乏贯穿生命周期的体成分变化综合参考曲线。
因此，能够调整MRI图像中获得的体成分指标以考虑混杂因素的工具可以提高筛查准确性，并指导治疗决策和预防策略。在普通人群中进行的大规模影像学研究可用于建立体成分参考曲线。虽然在大型数据集中手动测量体成分非常耗时，但深度学习方法能够实现自动化、高效且准确的影像量化。
人工智能框架量化肌肉和脂肪分区
在本研究中，研究人员使用自动深度学习框架，计算了来自66,000多名个体的MRI扫描中经过年龄、身高和性别标准化的体成分指标。研究使用了两个普通人群队列研究的数据：德国国家队列（NAKO）和英国生物银行（UKB）队列。在两个研究的参与者子集中进行了全面的MRI检查。
本研究使用了30,291名NAKO受试者和36,317名UKB受试者的MRI数据来量化体成分。此外，应用了一个完全自动化的开源深度学习框架来量化包括骨骼肌、内脏脂肪组织（VAT）、骨骼肌脂肪分数（SMFF）、肌内脂肪组织（IMAT）和皮下脂肪组织（SAT）在内的体成分指标。生存分析仅在UKB队列中进行，因为NAKO队列中没有可用数据。
研究关注的结局包括主要不良心血管事件（MACE），即心肌梗死、缺血性中风或心血管死亡，以及糖尿病和全因死亡率。协变量包括年龄、体重指数（BMI）、性别、吸烟状况、种族、饮酒量、癌症病史、高血压以及抗高血压药物的使用。基于身高和年龄并按性别分层，为体成分指标生成了参考曲线。计算了每个体成分指标相对于年龄、性别和身高匹配同伴的z分数。
研究调查了z分数与结局之间的关联，z分数分为三类：低（z < -1）、高（z > 1）和中等（z: -1至1）。计算了UKB中结局发生时间的Kaplan-Meier生存估计值。使用Cox比例风险回归分析来研究z分数类别与结局之间的关联，同时调整指定的协变量。
异常体成分预测糖尿病和死亡风险
该研究包括来自NAKO和UKB队列的66,608名个体，平均年龄为57.7岁。整个队列的平均BMI为26.2 kg/m²。女性的SAT、IMAT和SMFF高于男性，而男性的VAT和SM高于女性。SAT与年龄呈正相关，在整个生命周期中变异性略有下降。VAT在整个生命周期中增加，在老年人中变异性更高。
骨骼肌随年龄增长而下降，在50岁以后变异性降低，尽管参考曲线分析表明骨骼肌下降可能早在30岁就开始。而IMAT和SMFF增加，在各年龄段变异性更大。此外，在女性中，SAT是各年龄段的主要体成分指标，差异很小，从20-30岁的57%到50-60岁和70岁以上的61%。在男性中，SM是20至70岁之间的主要体成分指标。
在两种性别中，随着年龄增长，VAT从骨盆转移到腹部，SAT从臀部区域转移到胸部。在男性和女性中，随着年龄增长，椎旁IMAT从下腰椎转移到上胸椎。SM的差异不太明显，但在男性中从胸部转移到臀部区域，在女性中从臀部区域转移到胸部和躯干。
在UKB队列中，在排除了已患有糖尿病、使用胰岛素或既往心肌梗死或中风的个体后，532名受试者被诊断为糖尿病，553人发生了MACE，记录了563例死亡。SMFF和VAT的高z分数类别与糖尿病发生风险较高相关。IMAT和SMFF的高z分数类别与更高的MACE风险和全因死亡率相关。SM的低z分数类别与全因死亡率增加相关。
人工智能体成分计算器支持机会性健康筛查
总之，该研究量化了从普通人群MRI扫描中获得的体成分指标。研究结果表明，高内脏脂肪和骨骼肌脂肪分数与糖尿病风险增加相关，而高肌内脂肪和骨骼肌脂肪分数与MACE风险增加相关。低骨骼肌，加上高骨骼肌脂肪分数和肌内脂肪，也与超出传统风险因素的全因死亡率增加相关。
该研究的局限性在于纳入了主要来自英国和德国的白人西欧成年样本，平均BMI处于超重范围，这限制了对其他种族和民族群体、不同BMI分布人群、儿童和临床人群的普遍适用性。
期刊参考：
Jung M, Reisert M, Rieder H, et al. (2026). 普通人群中的体成分：基于66,000多名个体的全身磁共振成像参考曲线. 《放射学》, 319(2), e251939. DOI: 10.1148/radiol.251939.
【全文结束】