《Annals of Vascular Surgery》：Quantitative AI Volumetry Profiling Regional Muscle Hypotrophy in Chronic Limb-Threatening Ischemia
编辑推荐：
AI三维CTA分析显示37%单肢慢性缺血患者存在显著肌肉萎缩，主要累及臀部最小肌群、股四头肌及股内侧 compartments，萎缩程度与缺血严重程度呈强正相关，且与肌少症存在剂量效应关系。
帕特里克·斯科尔卡（Patryk Skórka）|卢卡什·蒂姆钦（?ukasz Tymczyn）|雅库布·布雷利克（Jakub Brelik）|马切伊·沃伊图恩（Maciej Wojtuń）|亚当·萨菲罗夫斯基（Adam Szafirowski）|米哈尔·卡尔古尔（Micha? Kargul）|阿卡迪乌什·卡齐米耶尔恰克（Arkadiusz Kazimierczak）|皮奥特尔·古托夫斯基（Piotr Gutowski）|帕维尔·里尼奥（Pawe? Rynio）
波美拉尼亚医科大学斯切青分校血管外科与血管病学系，波兰斯切青市大波兰起义者大道72号（Al. Powstańców Wielkopolskich 72），邮编70-111
背景
慢性肢体威胁性缺血（CLTI）会导致下肢肌肉严重的功能障碍和退化。尽管已经使用单层扫描或基于密度的方法来评估CLTI患者的肌肉萎缩情况，但利用人工智能（AI）进行的三维体积分析仍然有限。本研究旨在通过基于AI的计算机断层扫描血管造影（CTA）分割技术，量化并比较患有单侧CLTI患者的双肢肌肉体积，以识别最易发生缺血性萎缩的肌肉群。
方法
研究选取了100名因CLTI接受下肢CTA检查的连续患者作为研究对象。排除了双侧病变、既往截肢史、图像质量差以及非闭塞性病变的患者后，最终纳入了30名单侧CLTI（Fontaine III–IV期）患者和10名无显著狭窄的对照组患者。使用深度学习模型（TotalSegmentator 2.11.0）获取了患者的三维肌肉体积数据。将缺血侧肢体体积与对侧肢体体积的比值定义为萎缩率（HR）。通过设定两个标准差的阈值来判定显著的肌肉萎缩。同时，还利用腰大肌面积（psoas muscle area）来评估肌肉减少的情况。
结果
在30名CLTI患者中，有11名（37%）存在显著的肌肉萎缩。其中，最小臀肌（gluteus minimus）、股四头肌（quadriceps femoris）、大腿内侧肌肉和缝匠肌（sartorius）的体积损失最为明显（p<0.05）。最大臀肌（gluteus maximus）、臀中肌（gluteus medius）及小腿肌肉未见显著萎缩。近端肌肉体积的损失与整体肢体萎缩程度密切相关，尤其是在股四头肌（ρ=0.90）和臀部区域（r=0.97）。肌肉减少显著增加了患者出现严重萎缩的风险（比值比OR为10.29；p=0.047）。
结论
基于AI的体积测量技术能够实现独立于操作者的精准肌肉萎缩量化分析。
引言
外周动脉疾病（PAD）是全身动脉粥样硬化的常见表现，也是导致下肢功能障碍的主要原因之一。1, 2, 3 动脉逐渐狭窄会导致血流减少、功能受损及缺血性疼痛。4 在疾病晚期，可能会发生组织坏死，心血管风险也会显著增加。5 慢性肢体威胁性缺血（CLTI，对应于Fontaine III和IV期）是最严重的PAD类型，其发病率很高。6 除了血管损伤外，PAD患者，尤其是CLTI患者，还容易出现下肢骨骼肌的病理变化。长期的低灌注和有限的身体活动会加剧肌肉萎缩、功能下降及活动能力的不可逆丧失。7, 8 准确评估这些变化对于治疗计划和预后预测具有重要意义。9 然而，解剖学上的肌肉变化与功能结果之间的直接关系尚未明确。近年来，人工智能（AI）的进步显著提升了患者护理水平，并拓宽了其在血管诊断中的应用范围。10, 11 但目前，PAD患者的肌肉萎缩和肌肉减少主要通过横截面或基于密度的技术进行评估。基于AI的全面三维体积分析仍然存在局限性。12, 13 因此，本研究旨在利用基于AI的计算机断层扫描血管造影（CTA）分割技术来评估单侧CLTI患者的下肢肌肉体积，并探讨双腿之间的生理差异，以识别出肌肉萎缩严重的个体。
患者信息
患者
2021年1月至2024年12月期间，斯切青大学医学中心血管外科与血管病学系共筛查了100名连续的單側CLTI（Fontaine III或IV期）患者，筛查依据包括临床表现和双功超声检查。单侧病变定义为：一条肢体出现CLTI症状，而对侧肢体在双功超声检查中未见明显血流动力学病变，且对侧肢体无缺血症状。
患者特征
最终纳入研究的30名患者均因PAD导致单侧下肢缺血。平均年龄为69.6岁（标准差±12.59岁），男性占多数（66.7%）。平均BMI为26.3 kg/m2，其中11人为超重（BMI 25-29.9），5人为肥胖（BMI ≥ 30）。临床表现为：13名患者属于Fontaine III期（静息时疼痛），17名属于Fontaine IV期（组织坏死或坏疽）。大多数患者有吸烟史（76.7%），同时伴有高血压（76.7%）。
讨论
本研究采用基于深度学习的方法，实现了对CLTI患者下肢及髋部肌肉的精准自动化分割和定量评估。此外，研究结果与缺血严重程度等临床变量之间存在相关性，具有临床价值。本文的创新之处在于首次运用自动三维分割技术对CLTI患者的肌肉萎缩情况进行定量分析。
结论
总之，CLTI患者的单侧肌肉萎缩是一种常见且具有临床意义的现象，但其严重程度无法仅通过个体形态学参数可靠评估。传统的基于横截面的测量方法可能导致对肌肉萎缩的低估或高估。本研究采用的三维AI体积测量技术能够更精确地反映局部灌注差异和实际肌肉质量损失情况。
作者贡献
帕特里克·斯科尔卡（Patryk Skórka）：概念提出、方法设计、研究实施、监督、数据分析、软件开发、初稿撰写。
卢卡什·蒂姆钦（?ukasz Tymczyn）：方法设计、数据管理、软件开发、研究参与。
雅库布·布雷利克（Jakub Brelik）：方法设计、研究参与。
马切伊·沃伊图恩（Maciej Wojtuń）：方法设计、验证、数据分析。
亚当·萨菲罗夫斯基（Adam Szafirowski）：方法设计、研究参与。
米哈尔·卡尔古尔（Micha? Kargul）：方法设计、研究参与。
阿卡迪乌什·卡齐米耶尔恰克（Arkadiusz Kazimierczak）：验证工作、审稿与编辑。
皮奥特尔·古托夫斯基（Piotr Gutowski）：验证工作。
数据可用性声明
如需获取本文所使用的数据，可向通讯作者提出合理请求。
CRediT作者贡献声明
帕特里克·斯科尔卡（Patryk Skórka）：审稿与编辑、初稿撰写、数据可视化、验证工作、项目监督、软件开发、资源协调、方法设计、研究实施、资金申请、数据分析、概念构思。
卢卡什·蒂姆钦（?ukasz Tymczyn）：软件开发、方法设计、数据管理。
雅库布·布雷利克（Jakub Brelik）：方法设计、研究参与。
马切伊·沃伊图恩（Maciej Wojtuń）：验证工作、方法设计、研究参与、数据分析。
亚当·萨菲罗夫斯基（Adam Szafirowski）：方法设计、研究参与。
米哈尔·卡尔古尔（Micha? Kargul）：
