Сморчкова Анастасия Кирилловна — младший научный сотрудник отдела стандартизации и контроля качества, врач-рентгенолог
127051, Москва, ул. Петровка, д. 24, стр. 1
Anastasia K. Smorchkova — junior researcher of Standardization and Quality Control Department
24 Petrovka st., bld. 1, Moscow, 127051
Захарова Мария Дмитриевна — студентка факультета «Лечебное дело»
127994, Москва, Рахмановский пер, д. 3
Maria D. Zakharova — student of the General Medicine faculty
3 Rakhmanovskiy all., Moscow, 127994
Петряйкин Алексей Владимирович — доктор медицинских наук, доцент, главный научный сотрудник отдела стандартизации и контроля качества, врач-рентгенолог
127051, Москва, ул. Петровка, д. 24, стр. 1
Alexey V. Petraikin — Dr. of Sci. (Med.), Assistant Professor, Chief Researcher of the Standardization and Quality Control Department
24 Petrovka st., bld. 1, Moscow, 127051
Сенюкова Ольга Викторовна — кандидат физико-математических наук, доцент кафедры интеллектуальных информационных технологий факультета вычислительной математики и кибернетики
119991, ГСП-1, Москва, ул. Ленинские горы, д. 1, стр. 52, 2-й учебный корпус, факультет ВМК
Olga V. Senyukova — Cand. Of Sci. (Phys. and Math.), Assistant Professor of the Faculty of Computational Mathematics and Cybernetics
1 Leninskiye Gory st., bld. 52, Moscow, 119991
Владзимирский Антон Вячеславович — доктор медицинских наук, заместитель директора по научной работе
127051, Москва, ул. Петровка, д.24, стр. 1
Anton V. Vladzymyrskyy — Dr. Sci. (Med.), Deputy Director for Scientific Work
24 Petrovka st., bld. 1, Moscow, 127051
Васильев Юрий Александрович — кандидат медицинских наук, врач-рентгенолог, главный врач, главный внештатный специалист по лучевой и инструментальной диагностике Департамента здравоохранения Москвы
127051, Москва, ул. Петровка, д. 24, стр. 1
Yuri A. Vasilev — Cand. of Sci. (Med.), Medical Director, senior consultant for Radiology and Instrumental Diagnostics of the Moscow Healthcare Department
24 Petrovka st., bld. 1, Moscow, 127051
Введение: Изменение состава тела (мышечная, жировая ткань) может влиять на клинические исходы основного заболевания. Для комплексной оценки cостава тела в рамках инструментальной диагностики используются биоимпедансный анализ, двухэнергетическая рентгеновская абсорбциометрия, компьютерная и магнитно-резонансная томография (КТ и МРТ). Несмотря на признание КТ и МРТ методами «золотого стандарта», их использование затруднено из-за сложностей ручной разметки, отсутствия общепринятых диагностических порогов. Технологии искусственного интеллекта (ТИИ) могут быть использованы для полной автоматизации процесса, а также расчета пороговых диагностических значений в рамках кросссекционных популяционных исследований.
Цель: Получить данные о половозрастном распределении морфометрических показателей мышечной и жировой ткани, определенных с использованием программного обеспечения (ПО) на основе ТИИ по данным КТ с захватом зоны интереса (тело позвонка LIII), в условно-здоровой популяции города Москвы.
Материалы и методы: Проведено ретроспективное, обсервационное кросс-секционное описательное исследование в 65 медицинских учреждениях Департамента здравоохранения г. Москвы. Отбор результатов КТ условно-здоровых пациентов осуществлялся многоэтапно, с оценкой данных анамнеза. Производилась группировка по полу и возрасту. Нативные КТ-изображения анализировались ПО на основе ТИИ, с сегментацией и расчетом площади скелетной мышечной ткани (ПСМТ), скелетно-мышечного индекса (СМИ), рентгенологической плотности скелетной мышечной ткани (РПСМТ), площади подкожной жировой ткани (ППЖТ), площади висцеральной жировой ткани (ПВЖТ), площади внутримышечной жировой ткани (ПВМЖТ) и ее доли (ДВМЖТ). Для каждого показателя построены модели квантильной регрессии (перцентили 5%, 25%, 50%, 75%, 95%) с 95% доверительными интервалами. Статистика: Определение пороговых значений морфометрических показателей выполнено с помощью построения модели квантильной регрессии. В качестве сравнительных тестов использованы t-тест, однофакторный дисперсионный анализ и критерий Манна–Уитни. Статистический анализ проводился с использованием ПО jamovi версии 2.3.28, а также RStudio 2024.12.1.
Результаты: По итогам многоэтапного анализа КТ-изображений, их текстовых протоколов и данных электронных медицинских карт, соответственно критериям включения и исключения итоговая выборка составила 900 пациентов (579 женщин (64,3%) и 321 мужчин (35,7%)). Показаны схожие тренды у ПСМТ и СМИ: постепенный подъем до пиковых значений с последующим снижением, минимумы — в группе «80 и более лет». ПСМТ, СМИ и РПСМТ статистически значимо выше у мужчин (p<0,001) и различаются по возрастным группам (p<0,001). Медианные максимумы ПСМТ: мужчины — 41 год (168,77 см2), женщины — 41 год (115,17 см2). Медианные максимумы СМИ: мужчины — 47 лет (53,66 см2/м2), женщины — 48 лет (41,95 см2/м2). ППЖТ и ПВЖТ демонстрировали рост до пиковых значений с минимумом в группе «18– 29 лет». ППЖТ, ПВЖТ, ПВМЖТ и ДВМЖТ статистически значимо различались по полу (p=0,001 для ДВМЖТ, в остальных p<0,001) и возрасту (p<0,001). Медианные максимумы ППЖТ: мужчины — 63 года (177,93 см2), женщины — 62 года (226,97 см2). Медианные максимумы ПВЖТ: мужчины — 71 год (233,97 см2), женщины — 71 год (169,26 см2).
Обсуждение: Получены репрезентативные популяционные данные о половозрастном распределении морфометрических показателей состава тела условно-здоровых мужчин и женщин города Москвы путем использования ПО на основе ТИИ. Результаты открывают возможности для дальнейших исследований изменения состава тела при различных патологиях и диагностики факта наличия саркопении путем оппортунистического анализа ранее выполненной КТ с захватом зоны интереса. Наблюдаемые особенности распределения показателей как мышечной, так и жировой ткани соответствуют данным схожих популяционных исследований в литературе, однако показатели СМИ в московской популяции оказались ниже как американской, так и нидерландской популяции (статистически значимо для женщин). Выявленные отличия значений московской популяции дополнительно обусловливают ценность полученных результатов.
Заключение: Впервые представлены популяционные данные о половозрастном распределении морфометрических показателей состава тела по КТ-изображениям для города Москвы, определенные с помощью ПО на основе ТИИ. Все показатели имеют статистически значимые различия между половыми и возрастными группами, с более высокими значениями мышечной и висцеральной жировой ткани у мужчин и подкожной, внутримышечной жировой ткани у женщин. СМИ в московской популяции ниже, чем в американской и нидерландской, что подчеркивает актуальность полученных данных в контексте диагностики саркопении по КТ-изображениям в европейской части России.
Introduction: Alterations in body composition (muscle and adipose tissue) can influence clinical outcomes of underlying diseases. Comprehensive assessment of body composition via instrumental diagnostics includes bioelectrical impedance analysis, dual-energy X-ray absorptiometry, computed tomography (CT), and magnetic resonance imaging (MRI). Although CT and MRI are considered gold-standard methods, their use is limited by challenges in manual segmentation and the lack of universally accepted diagnostic thresholds. Artificial intelligence (AI) can fully automate this process and facilitate the calculation of diagnostic threshold values in cross-sectional population studies.
Objective: To obtain data on the sex and age distribution of morphometric parameters of muscle and adipose tissue, assessed using AI-based software on CT scans capturing the region of interest (L3 vertebra level), in a generally healthy population in Moscow.
Materials and methods: A retrospective, observational, cross-sectional descriptive study was conducted across 65 medical institutions of the Moscow Department of Healthcare. CT data from generally healthy patients were selected through a multistage process, including assessment of anamnestic data. Participants were grouped by sex and age. Native CT images were analyzed using AI-based software for segmentation and calculation of the following parameters: skeletal muscle area (SMA), skeletal muscle index (SMI), radiological density of skeletal muscle (RDSM), subcutaneous adipose tissue area (SATA), visceral adipose tissue area (VATA), intramuscular adipose tissue area (IMATA), and its proportion (PIMAT). For each parameter, quantile regression models were constructed (5th, 25th, 50th, 75th, and 95th percentiles) with 95% confidence intervals. Statistics: Cut-off values for morphometric parameters were determined using a quantile regression model. T-test, one-way ANOVA, and Mann-Whitney tests were used for comparative analysis. Statistical analysis was performed using jamovi version 2.3.28 and RStudio 2024.12.1.
Results: After multi-stage analysis of CT images, text of their corresponding reports and electronic medical records according to inclusion and exclusion criteria, the final sample consisted of 900 patients (579 women (64.3%) and 321 men (35.7%)). SMA and SMI showed similar trends: a gradual increase to peak values followed by a decline, with minima in the «80 years and older» group. SMA, SMI, and RDSM were statistically significantly higher in men (p<0.001) and differed across age groups (p<0.001). Median peak SMA values: men — 41 years (168.77 cm2), women — 41 years (115.17 cm2). Median peak SMI values: men — 47 years (53.66 cm2/m2), women — 48 years (41.95 cm2/m2). SATA and VATA increased to peak values, with minima in the «18–29 years» group. SATA, VATA, IMATA, and PIMAT differed statistically significantly by sex (p=0.001 for PIMAT, p<0.001 for others) and age (p<0.001). Median peak SATA values: men — 63 years (177.93 cm2), women — 62 years (226.97 cm2). Median peak VATA values: men — 71 years (233.97 cm2), women — 71 years (169.26 cm2).
Discussion: Representative population data on the sex and age distribution of body composition morphometric parameters were obtained for conditionally healthy men and women in Moscow using AI-based software. These results enable further research on body composition changes in various pathologies and the diagnosis of sarcopenia through opportunistic analysis of previously performed CT scans including the region of interest. The observed distribution patterns of both muscle and adipose tissue parameters align with data from similar population studies in the literature. However, SMI values in the Moscow population were lower than those reported for american and dutch cohorts (statistically significant for women). These identified differences underscore the value of the obtained results for the specific population.
Conclusion: This study presents the first population data on the sex and age distribution of body composition morphometric parameters from CT images for Moscow, obtained using AI-based software. All parameters showed statistically significant differences across sex and age groups, with higher values of muscle and visceral adipose tissue in men, and higher subcutaneous and intramuscular adipose tissue in women. The lower SMI in the Moscow population compared to American and Dutch cohorts highlights the relevance of these data for CT-based sarcopenia diagnostics in the European part of Russia.
The authors declare that there are no conflicts of interest present.