利用人工智能评估头颈癌患者的肌肉健康

　　肌肉减少症的诊断与干预：深度学习的应用

　　肌肉减少症被视为患者身体状况不佳的重要指标。丹娜-法伯布里格姆癌症中心放射肿瘤科的放射肿瘤学家本杰明·卡恩医学博士指出：“一个实时工具可以帮助我们在患者肌肉质量下降时进行干预，并采取支持措施。”

　　研究表明，骨骼肌减少症与需要喂食管的风险增加、生活质量下降以及总体预后不良（包括过早死亡）密切相关。卡恩博士强调：“肌肉质量是健康的重要指标，肌肉量较大的人通常更健康、更强壮。”

　　医生通常通过分析腹部或颈部的计算机断层扫描（CT）来评估肌肉质量。对于头颈癌患者，颈部CT扫描的频繁使用为医生提供了及早发现肌肉减少症并进行干预的机会。然而，CT扫描的肌肉减少症诊断需要训练有素的专家进行详细分析，这一过程既耗时又繁琐，通常需要约10分钟，因此并不常规进行。

　　深度学习在肌少症诊断中的应用

　　卡恩及其团队开始利用深度学习技术，通过颈部CT扫描来诊断肌肉减少症。他们访问了420名头颈癌患者的临床记录和CT扫描，专家根据CT扫描评估每位患者的肌肉质量，并计算骨骼肌指数（SMI）评分。研究团队使用生成的数据集训练深度学习模型，以实现相同的评估。

　　卡恩博士表示：“人工智能模型能够自动将颈部肌肉与其他组织区分开来，结果透明且可验证。”该团队还使用了第二个数据集，以验证人工智能模型在肌肉减少症诊断中的能力。在测试中，该模型在96.2%的时间内提供了临床可接受的肌肉质量评估，且评估速度约为0.15秒。

　　目前，医生通常使用身体质量指数（BMI）作为与治疗相关的健康下降指标。研究小组比较了BMI与重度精神障碍指数对不良结果（如过早死亡或需要喂食管）的预测能力，发现重度精神障碍指数在预测不良结果方面更具价值，可能成为一种更有效的临床工具。

　　卡恩博士指出：“BMI是一个不完美的衡量标准，它无法提供关于脂肪含量或肌肉含量的信息，而这些才是临床中需要关注的成分。”这一警告信号可能促使医生采取干预措施，如营养咨询、支持性药物治疗或物理治疗。

　　“如果我们观察到肌肉量开始下降，我们可以采取措施来防止这种情况的发生，”卡恩博士补充道。该工具还可用于指导治疗决策。例如，已被诊断为肌肉减少症的癌症患者在接受温和治疗时，可能比身体更强壮的患者恢复得更好。

　　接下来，卡恩及其同事计划将该工具应用于临床试验中，监测患者在整个治疗过程中的肌肉质量变化。他们希望通过这些数据进一步了解如何利用肌肉质量信息来指导治疗和干预。

　　参考文献：

自动图像采集系统的开发与验证基于深度学习的头颈癌骨骼肌减少评估平台——(https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2808141)

　　（来源：每日）