《Clinics in Geriatric Medicine》：Muscle Composition as a Novel Prognostic Tool for Pain, Frailty, and Sarcopenia
编辑推荐：
神经肌肉和骨骼肌肉疾病是人口老龄化的重要健康负担，其核心特征为肌肉成分变化。当前面临的主要障碍是缺乏对肌少症和脆弱性早期诊断、病程监测及疗效评估的敏感指标。研究显示，疼痛、功能下降与肌肉量减少密切相关，而人工智能辅助的影像学技术（如CT/MRI自动分割）可显著提升肌肉形态学评估的精度与效率，为临床干预提供新路径。
Nashwa Masnoon|Jon Cornwall|James M. Elliott|Paul Glare|Sarah N. Hilmer|Marnee McKay|David M. Walton|Ken Weber|Eddo Wesselink
澳大利亚悉尼大学Kolling研究所衰老与药理学实验室及北悉尼地方卫生区
章节摘录
关键点
- •
影响神经系统和肌肉骨骼系统的疾病是国际性的健康负担，尤其是对老年人群而言。
- •
肌肉减少症和虚弱的一个共同临床观察结果是骨骼肌成分的变化。
- •
阻碍进展的一个重要因素是缺乏能够敏感反映疾病早期阶段、临床进程变化、虚弱对活动能力的影响以及自我报告的疼痛等因素的、具有响应性、客观性和有效性的评估指标。
疼痛、虚弱与肌肉减少症
肌肉质量的逐渐丧失、力量下降、肌内脂肪（IMF）增加以及随之而来的功能减退是肌肉减少症的主要特征。然而，尽管这一过程普遍存在，但许多关于肌肉减少症的关键生物学机制仍不明确，我们对其具体进展过程的理解也不完整。当前对导致肌肉减少症的生物学机制的研究已经发现了一些驱动因素，例如运动神经元数量的减少
肌肉成分的评估：对评估和干预的意义
实际上可以通过现有的临床测试（如手动肌肉测试）、扭矩生成、功能性运动任务的表现或影像学检查（如超声、MRI或CT）来评估肌肉健康状况。超声检查具有广泛的可用性、低成本和便携性，但由于其视野有限且组织对比度低于MRI13，因此不太适合全面评估整个肌肉的形态和成分。由于MRI在软组织成像方面的优势，目前仍更倾向于使用MRI
总结
得益于深度学习人工智能技术的应用，有助于自动化量化全身骨骼肌，我们现在能够更准确、更可靠地识别出那些能够解释肌肉减少症和虚弱典型症状的骨骼肌变化。越来越多的研究致力于评估肌肉组织的可观察或可测量特征
临床护理要点
临床护理中的要点：客观肌肉成分评估：
- •
利用先进的成像技术和人工智能：使用计算机断层扫描（CT）或磁共振成像（MRI）等成像方式对骨骼肌成分进行自动分割和量化，已被证实是多种疾病和障碍的敏感生物标志物。深度学习人工智能的进步使得CT和MRI图像的读取和测量速度更快、准确性更高，从而能够更全面地评估区域性和全身性的肌肉状况。
