《Scientific Reports》：Association between visceral adipose tissue measured by deep neural network architecture and chronic kidney disease
编辑推荐：
本研究旨在探讨腹部脂肪体积与慢性肾脏病（CKD）的关联。研究人员利用人工智能（AI）分析腹部计算机断层扫描（CT）图像，测量了14,105名韩国受试者的内脏脂肪组织（VAT）和皮下脂肪组织（SAT）体积。结果显示，VAT体积与CKD风险增加显著相关（OR男=1.25, OR女=1.18），而SAT体积在女性中与风险降低相关（OR=0.77），在男性中与风险增加相关（OR=1.09）。该研究强调了腹部脂肪分布的性别差异在CKD风险评估中的重要性，AI辅助的CT分析有望改善CKD的早期检测和风险分层。
慢性肾脏病（Chronic Kidney Disease, CKD）正成为全球性的公共卫生挑战，其进展隐匿，常常在出现明显症状时已发展至晚期，给患者个人和医疗系统带来沉重负担。因此，寻找高效、精准的早期风险预测工具变得至关重要。众所周知，肥胖是多种代谢性疾病的风险因素，但其内部成分——尤其是腹部脂肪的分布——对健康的影响可能更为复杂。传统上，身体质量指数（BMI）等指标无法区分脂肪的类型和位置。内脏脂肪组织（VAT）是包裹在内脏器官的脂肪，代谢活跃，与胰岛素抵抗、炎症密切相关；而皮下脂肪组织（SAT）则位于皮肤下方。越来越多的证据表明，VAT而非总体脂肪量，可能是驱动心血管和代谢疾病的关键。那么，这两种脂肪与CKD风险的具体关联如何？是否存在性别差异？这些问题的答案，对于实现个体化的CKD风险预警和管理具有重要意义。
为了解决上述问题，一个研究团队在《Scientific Reports》上发表了一项研究，他们利用先进的人工智能（AI）技术，深入分析了大规模人群的腹部CT影像数据，旨在精确量化VAT和SAT的体积，并探讨它们与CKD风险的独立关联及性别特异性。
研究人员开展此项研究主要应用了以下关键技术方法：首先，研究基于一个包含14,105名参与者的韩国人群健康体检队列，这些参与者均有可用的腹部CT图像。其次，研究核心采用了人工智能（AI）基础的图像分析软件，该软件基于深度神经网络（Deep Neural Network）架构，自动、精确地分割并计算了腹部不同身体分段的体积，特别是VAT和SAT的体积。最后，采用多变量逻辑回归分析等统计学方法，在调整了多种混杂因素后，评估了脂肪体积指标与CKD患病风险的关联。
研究结果
参与者特征与CKD患病率
在总共14,105名参与者中，慢性肾脏病（CKD）的总体现患率为2.0%。进一步分析显示，男性的CKD患病率（2.3%）高于女性（1.3%），提示CKD风险存在性别差异。
内脏脂肪组织（VAT）体积与CKD风险的关联
多变量分析结果显示，内脏脂肪组织（VAT）体积与CKD风险增加显著相关，且这种关联在男性和女性中均存在。具体而言，VAT体积每增加一个单位，男性患CKD的风险增加25%（比值比 [OR] = 1.25, 95% 置信区间 [CI]: 1.18–1.33, P < 0.001），女性患CKD的风险增加18%（OR = 1.18, 95% CI: 1.10–1.27, P < 0.001）。这表明VAT是两性共有的CKD独立危险因素。
皮下脂肪组织（SAT）体积与CKD风险的关联
与VAT不同，皮下脂肪组织（SAT）体积与CKD风险的关联表现出显著的性别特异性。在女性中，SAT体积与CKD风险呈负相关，即SAT体积越大，风险越低（OR = 0.77, 95% CI: 0.71–0.83, P < 0.001）。然而，在男性中，SAT体积却与CKD风险轻微的正相关（OR = 1.09, 95% CI: 1.03–1.16, P < 0.001）。这一发现提示，SAT对健康的保护作用可能仅限于女性。
内脏脂肪与皮下脂肪体积比（VAT/SAT）与CKD风险的关联
研究人员进一步计算了内脏脂肪与皮下脂肪的体积比（VAT/SAT Ratio）。分析发现，在男性中，较高的VAT/SAT比值与CKD风险增加显著相关（OR = 1.09; 95% CI: 1.04–1.14, P < 0.001）。这一比值综合反映了个体倾向于在内脏堆积脂肪的程度，是评估脂肪分布健康风险的另一个有用指标。
研究结论与意义
本研究通过AI精准量化腹部脂肪，明确揭示了腹部脂肪体积与慢性肾脏病（CKD）风险之间的独立关联，并首次系统阐述了其性别差异模式。核心结论是：内脏脂肪组织（VAT）是男女两性共同的CKD危险因素；而皮下脂肪组织（SAT）则表现出“性别二象性”——在女性中具有潜在的保护作用，在男性中则为微弱的危险因素。这些发现具有重要的临床和科研意义。首先，它强调了在评估肥胖相关健康风险时，单纯依靠总体重或BMI是远远不够的，必须考虑脂肪的具体类型（VAT vs SAT）和分布部位。其次，研究突出了性别在脂肪代谢与疾病关联中的关键调节作用，未来CKD的预防和管理策略可能需要区分性别。最后，本研究成功展示了基于深度神经网络架构的AI工具在自动化、大规模分析医学影像（如CT）以提取精确生物标志物（脂肪体积）方面的强大能力。这种方法为非侵入性地评估代谢风险提供了新途径，有望整合到常规健康体检中，助力CKD的早期识别、风险分层和个性化干预，从而实现从“治病”到“治未病”的关口前移。
