研究人员使用AI分析了66,000多名参与者的全身MRI扫描，创建了迄今为止最详细的人体脂肪和肌肉分布参考图谱，该图谱涵盖了不同年龄、性别和身高的情况。该研究发表在《Radiology》期刊上。研究结果显示，骨骼肌的质量和数量，而不仅仅是内脏脂肪，是糖尿病、重大心血管事件和死亡率的强预测因子。
BMI和当前风险评估工具的局限性
临床医生长期以来一直依赖体重指数(BMI)和体重来评估心脏代谢风险——即心血管(心脏/血管)和代谢(能量/营养处理)系统对健康的影响——以及总体健康风险。但BMI是一种粗略的身体成分测量方法，仅依赖于身高和体重，不考虑肌肉质量或脂肪分布。
"许多风险评分和治疗决策仍然依赖BMI或腰围，因为它们容易获取，"德国弗莱堡大学医学中心诊断和介入放射科的资深作者Jakob Weiss医学博士说。"但BMI并不能可靠地反映一个人的实际身体成分。"
Weiss博士表示，医学界也缺乏关于无症状个体随年龄增长身体成分如何变化的参考标准，以及男女之间的差异。
"越来越多的证据表明，身体成分测量是心脏代谢疾病、肿瘤疾病和死亡率的独立风险因素，"弗莱堡大学医学中心诊断和介入放射科的首席作者Matthias Jung医学博士说。"然而，这些测量受到身高和性别的影响，并随着年龄发生显著变化。"
AI驱动的MRI研究工作原理
这项回顾性研究包括66,608名个体队列(平均年龄57.7岁，34,443名男性，平均BMI：26.2)，他们于2014年4月至2022年5月期间作为英国生物银行和德国国家队列的参与者接受了全身MRI检查。
研究人员使用他们开源的全自动化深度学习框架，从MRI扫描中计算出经过年龄、性别和身高标准化的身体成分指标。身体成分指标包括皮下脂肪组织、内脏脂肪组织、骨骼肌、骨骼肌脂肪分数和肌内脂肪组织，以z分数表示，显示个体与经过年龄、性别和身高调整的标准相比的偏离程度。
然后，研究人员进行了统计分析，评估z分数类别(低：z<-1；中：z=-1到1；高：z>1)预测糖尿病、重大不良心血管事件和全因死亡率发生率的预后价值。
脂肪、肌肉和风险的关键发现
他们发现，高内脏脂肪与未来糖尿病风险增加2.26倍相关，高肌内脂肪与未来重大心血管事件风险增加1.54倍相关，低骨骼肌与全因死亡率风险增加1.44倍相关，这些关联独立于心脏代谢风险因素。
"不仅在于你有多少肌肉，还在于肌肉的质量，"Jung博士说。"了解肌内脂肪的体积为我们提供了一个观察肌肉质量的窗口，而BMI、生物电阻抗分析或DEXA等其他方法无法轻松提供这一点。"
新的参考曲线和临床工具
研究团队还为关键身体成分指标生成了经过年龄、性别和身高标准化的参考曲线。
"Weiss博士说："调整混杂因素对于提高筛查准确性和定制治疗决策至关重要。""这一工具有可能识别出与同龄人相比，个体的身体成分是否使其面临更高的代谢疾病风险。"
研究人员发布了开源的基于网络的年龄、性别和身高调整的身体成分z分数计算器，以支持未来研究，加速临床转化，使研究人员和临床医生能够标准化自己的数据集，以提高可比性和普遍适用性。
"Weiss博士说："这一工具可以让临床医生机会性地使用常规影像检查。""不一定需要专门的全身MRI。如果已经存在常规CT或MRI身体扫描，可以提取信息与参考值进行基准比较。"
在医学和肿瘤学领域的潜在影响
Weiss博士表示，AI工具还可以帮助改善肿瘤学中的风险分层，或区分使用GLP-1受体激动剂等减肥药物的患者中理想的脂肪减少与不希望的肌肉减少。
"Weiss博士指出："我们每天都在为患者进行影像检查。""在每次腹部或胸部扫描中，信息都存在，我们只是没有常规测量或报告它。AI现在使我们能够以定量、可重复的方式挖掘这一隐藏的数据层。"
研究人员的下一步包括在临床人群中验证参考曲线，特别是预测癌症患者的治疗毒性、生存率和复发率，并为其他患者群体开发特定疾病的参考值。
出版详情
《一般人群中的身体成分：来自66,000多名个体的全身MRI衍生参考曲线》，《Radiology》(2026)。
期刊信息
《Radiology》
关键医疗概念
骨骼肌 | 腹部内脏脂肪 | 体重指数
临床类别
诊断放射学 | 常见疾病与预防
提供方：北美放射学会
【全文结束】