根据今天发表在北美放射学会 (RSNA) 杂志《放射学》上的一项研究，对接受健康筛查的人群进行 CT 扫描分析可以识别出有患 2 型糖尿病风险的个体。研究人员表示，研究结果强调了 CT 在机会性成像中的价值——利用常规成像检查的信息来了解更多有关患者整体健康状况的信息。
在这项新研究中，研究人员评估了自动化 CT 衍生标记预测糖尿病及其相关疾病的能力。
鉴于糖尿病及其并发症带来的巨大负担，我们旨在探索自动化和精确的成像分析是否可以超越传统方法增强早期检测和风险分层。”
Seungho Ryu 医学博士、哲学博士，本研究资深作者，来自韩国首尔成均馆大学医学院江北三星医院
该研究组包括 32,166 名年龄在 25 岁或以上的成年人，他们接受了 18F-氟脱氧葡萄糖 ( 18 F-FDG) PET/CT 健康筛查。
Ryu 博士及其同事使用经过临床验证的深度学习算法来分析 CT 图像。该算法能够对各种身体成分（如内脏脂肪、皮下脂肪、肌肉质量、肝脏密度和主动脉钙化）进行 3D 分割和量化。
基线时糖尿病患病率为 6%，中位随访期 7.3 年内发病率为 9%。
自动多器官 CT 分析可识别出患糖尿病和相关疾病风险较高的个体。内脏脂肪指数（肌肉下和腹部器官周围的腹部脂肪）对糖尿病的预测效果最高。结合内脏脂肪、肌肉面积、肝脏脂肪分数和主动脉钙化可提高预测效果。CT 衍生标记物还可识别超声诊断的脂肪肝、冠状动脉钙化评分超过 100、骨质疏松症和与年龄相关的肌肉损失（称为肌肉减少症）。
这些标志物在预测 2 型糖尿病方面优于传统的风险因素。
“研究结果令人鼓舞，因为它们表明 CT 成像的作用可能从传统的疾病诊断扩展到机会性主动筛查，”Ryu 博士说。“这种自动化 CT 分析可以改善糖尿病及相关健康问题的风险预测和早期干预策略。”
Ryu 博士指出，在临床环境中，这些 CT 衍生标记物有可能改善传统的糖尿病筛查和风险评估方法。
“通过将这些先进的成像技术整合到机会性健康筛查中，临床医生可以比目前的方法更准确、更早地识别出患糖尿病及其并发症风险较高的个体，”他说。“这可以带来更加个性化和及时的干预，最终改善患者的治疗效果。”
