CT检测发现的肌肉减少症和肌脂肪变性可预测炎症性肠病住院患者治疗方案的升级需求

《Abdominal Radiology》：CT-derived sarcopenia and myosteatosis predict treatment escalation in hospitalized patients with inflammatory Bowel disease

本研究通过回顾性分析308例IBD患者腹部CT影像，发现肌少症（SMI）和肌内脂肪沉积（SMD）与年龄共同作为治疗升级的独立预测因素。机器学习模型（尤其是LightGBM）结合临床特征可有效识别高危患者，支持早期干预和个性化治疗。

　　

摘要

背景

肌肉减少症和肌脂肪变性反映了肌肉的数量和质量，并与慢性疾病的不良结局相关。它们在预测炎症性肠病（IBD）治疗升级中的作用尚不清楚。

方法

我们回顾性地分析了308名IBD患者（251例溃疡性结肠炎，57例克罗恩病），这些患者接受了第三腰椎水平的腹部CT扫描。患者被随机分配到训练集（n=217）和验证集（n=91）。肌肉减少症和肌脂肪变性通过骨骼肌指数（SMI）和骨骼肌密度（SMD）进行量化。治疗升级定义为在疾病复发后开始使用生物制剂、环孢素或手术。通过多变量逻辑回归确定了独立预测因子。构建了五种机器学习模型——逻辑回归、随机森林、极端梯度提升、支持向量机和轻量级梯度提升机（LightGBM），并使用接收者操作特征曲线、校准和决策曲线分析进行了评估。

结果

年龄、肌肉减少症和肌脂肪变性是治疗升级的独立风险因素。LightGBM模型取得了最高的预测性能（曲线下面积：训练集0.839，验证集0.763），表现出良好的校准能力，并提供了更好的临床净收益。相应的诺模图（Nomogram）允许进行直观的个性化风险评估。

结论

通过CT检测到的肌肉减少症和肌脂肪变性可以独立预测IBD的治疗升级。将这些参数与临床特征结合的机器学习模型能够有效识别高风险患者，支持早期干预和个性化治疗。纳入额外的影像学标志物、生物标志物和功能评估可能进一步提高预测准确性，并指导策略以改善肌肉健康和临床结局。