《Abdominal Radiology》：Longitudinal evaluation of intra-patient changes in computed tomography-based body composition measures
编辑推荐：
为解决在更广泛的非干预患者群体中，CT身体成分指标如何随时间在个体内变化尚不明确的问题，研究人员利用全自动AI工具，在15,616名成人患者的两次腹部CT扫描中，量化了包括L1椎体小梁骨密度、L3水平骨骼肌面积与密度、内脏脂肪组织(VAT)面积与密度、皮下脂肪组织(SAT)面积及VSR在内的七项指标，评估了其纵向变化。研究发现，几乎所有指标的性别特异性年均变化率均存在显著差异，且特定生物标志物的变化率在青年、中年和老年群体中各有不同。这项研究揭示了身体成分变化具有显著的年龄和性别特异性差异，强调了在临床实践中考虑个体差异的重要性，为精准风险评估和干预策略提供了依据。
在医学影像和精准健康领域，我们的身体内部构成——比如骨骼密度、肌肉含量和脂肪分布——正日益被认识到是预测未来健康状况（如骨折风险、代谢综合征、癌症预后等）的重要“晴雨表”。随着技术的进步，特别是人工智能(AI)算法的兴起，医生们现在能够“顺手”地从常规腹部CT扫描中，自动化地提取这些身体成分的定量数据。这为大规模人群研究打开了大门，帮助我们绘制出这些指标在不同年龄、性别群体中的“正常”参考曲线。
然而，一个关键问题尚未被充分解答。以往大多数研究是“横断面”的，即在同一时间点比较不同年龄段人群的指标差异。这种方法虽然能描绘总体趋势，却无法告诉我们：在一个个体的漫长生命历程中，这些身体成分指标究竟是如何动态变化的？个体自身的变化轨迹，有时比他在某个时间点相对于人群平均水平的位置，更能反映其健康状况的走向。尽管已有研究探讨了特定干预（如减肥手术、药物）或特定疾病（如克罗恩病）对身体成分的影响，但对于未接受针对性治疗的一般患者群体，其CT身体成分的个体内长期自然变化模式，我们知之甚少。
为了解决这一知识空白，一组研究人员开展了一项大规模的回顾性纵向研究。他们利用一套成熟的全自动AI身体成分分析工具，追踪了超过1.5万名成年患者在平均间隔超过9年的时间里，多项CT身体成分指标的变化情况，旨在揭示这些变化的模式是否因年龄和性别的不同而存在显著差异。这项意义深远的研究成果发表在《Abdominal Radiology》期刊上。
为了开展这项研究，研究人员主要运用了以下几项关键技术方法：首先，他们构建了一个大规模的回顾性患者队列，样本来源于美国威斯康星大学医学院和公共卫生学院的单一学术机构。研究纳入了在2000年至2021年间，至少接受过两次间隔五年以上腹部CT检查的15,616名成年患者。其次，核心方法是应用一套经过验证的、全自动化的AI身体成分分析工具。这套工具能对输入的CT图像序列进行自动预处理（如层厚标准化、CT值校正），并通过身体部位回归函数判断扫描范围是否充分，随后自动分割并量化L1椎体小梁骨密度、L3水平骨骼肌面积与密度、内脏脂肪组织(VAT)面积与密度、皮下脂肪组织(SAT)面积，并计算VAT/SAT比率(VSR)。最后，研究人员利用独立样本t检验来评估性别间变化率的差异，并使用线性回归模型来评估基线年龄是否能预测各项身体成分指标的年均变化率。
研究结果部分详细展示了基于AI工具的测量发现。
身体成分指标的总体变化趋势：研究结果显示，无论是男性还是女性，随着时间的推移，椎体骨密度(L1 trabecular attenuation)、肌肉密度(L3 muscle attenuation)和肌肉面积(L3 muscle area)普遍呈下降趋势，而内脏脂肪密度(VAT attenuation)、内脏脂肪面积(VAT area)、皮下脂肪面积(SAT area)以及内脏/皮下脂肪比(VSR)则普遍增加。
性别间的差异：除了L3肌肉密度(L3 muscle attenuation)的变化率在男女之间没有统计学上的显著差异外，其他所有六项AI身体成分指标的年均变化率在男性和女性之间均存在显著差异（p值范围<0.001–0.031）。这表明，身体成分随时间的演变模式在很大程度上有性别特异性。
年龄相关的变化模式：研究进一步将患者按基线年龄分组（18-39岁，40-59岁，60岁及以上），发现了更具深度的变化模式。尽管年龄对变化率的预测效应量较小（R2值在0.002–0.040之间），但一些趋势值得关注。例如，L1椎体骨密度的下降速度在男性中于青年时期最快，而在女性中则于中年时期最快。骨骼肌密度(L3 muscle attenuation)的下降速度在男性中随着年龄增长而加快，但在女性中似乎在中年后趋于平稳。在肌肉面积(L3 muscle area)方面，两个性别的年轻成人都显示肌肉面积增加，而中老年群体则出现下降，且男性的下降速度更快。内脏脂肪面积(VAT area)在所有年龄段均增加，但增加速度随年龄增长而减慢。皮下脂肪面积(SAT area)的变化率则随年龄增长而下降，在老年阶段甚至转为负值（即面积减少）。男性VSR的增速随年龄增长而放缓，而女性的VSR增速则在各年龄段保持相对稳定。
研究结论与讨论部分对上述发现进行了总结和阐释。该研究证实，利用AI工具评估的患者内身体成分纵向变化存在显著的年龄和性别特异性差异。例如，尽管两性的肌肉密度下降速度相似，但在中老年阶段，男性肌肉面积的下降速度明显快于女性，而女性骨密度的下降速度则明显更快。这些发现强调，针对与这些身体成分指标相关的健康风险（如骨质疏松导致的骨折风险、肌肉减少症和代谢综合征等），可能需要采取因年龄和性别而异的差异化干预策略，从而在最可能产生影响的时期集中资源，优化健康结局。
研究还指出，其结果为理解特定患者群体（如使用司美格鲁肽(semaglutide)减肥或患有克罗恩病的患者）的研究数据提供了重要的背景参考。例如，与药物治疗引发的剧烈变化相比，本研究所揭示的一般人群自然变化率要小得多，这有助于临床医生判断观察到的变化在多大程度上可归因于治疗本身，而非自然衰老过程。
当然，研究也存在一些局限性，包括回顾性设计可能带来的选择偏倚、数据来源于单一医疗中心可能限制结果的普适性，以及未按种族、民族或社会经济因素进行亚组分析。此外，身体成分变化与共患病及健康结局之间的关联超出了本文范围，是未来潜在的研究方向。
总而言之，这项大规模纵向研究首次系统描绘了普通患者群体中CT身体成分指标的个体内自然变化轨迹，并明确了这些变化在年龄和性别维度上的特异性。它不仅深化了我们对人体成分随龄演变规律的理解，也为未来实现基于影像的精准、个性化健康风险评估和预防医学干预奠定了重要的数据基础。
