슬라이스-오-매틱 및 호로스를 사용하여 신체 조성 분석을 위한 세분화 및 선형 측정
Summary
세분화 및 선형 측정은 계산된 단층 촬영 및/또는 자기 공명 이미징 이미지를 사용하여 골격 근육 질량 및 조직을 정량화합니다. 여기에서는 슬라이스-O-Matic 소프트웨어와 호로스 이미지 뷰어를 사용하여 신체 구성을 신속하고 정확하게 분석할 수 있습니다. 이러한 방법은 예후 및 위험 계층화에 중요한 정보를 제공할 수 있습니다.
Abstract
신체 구성은 다양한 조건에서 질병 진행 및 치료 합병증의 위험과 관련이 있습니다. 따라서, 스켈레탈 근육 질량의 정량화는 컴퓨터 단층 촬영에 대한 질량 및 조직 조직 (CT) 및 /또는 자기 공명 화상 진찰 (MRI) 수술 위험 평가 및 질병 예후를 알릴 수 있습니다. 이 문서는 원래 Mourtzakis 외와 Avrutin 외에 의해 설명 된 두 개의 정량화 방법을 설명합니다: 조직 세분화 및 골격 근육의 선형 측정. 제3요추 척추의 중간점에서 환자의 단면 이미지는 두 측정모두에 대해 수득되었다. 세분화를 위해, 심상은 슬라이스-O-Matic로 수입되고 골격 근, 근육 내 지방 조직, 내장 지방 조직 및 피하 지방 조직에 색을 지정했습니다. 이어서, 각 조직 유형의 표면영역은 태그 표면적 기능을 사용하여 계산되었다. 선형 측정을 위해, 제 3 요추 척추의 수준에서 양측 척추와 기생충 근육의 높이와 폭을 측정하고 이 네 값을 사용하여 계산은 추정 골격 근육 질량을 산출한다. 세분화 분석은 환자의 신체 구성에 대한 정량적, 포괄적 인 정보를 제공하며, 이는 질병 진행과 상관 관계가 될 수 있습니다. 그러나 이 과정은 시간이 많이 걸리며 전문적인 교육이 필요합니다. 선형 측정은 수술 전 평가를 위한 효율적이고 클리닉 친화적인 도구입니다. 그러나 선형 측정은 지방 조직 조성에 대한 정보를 제공하지 않습니다. 그럼에도 불구 하 고, 이러한 방법은 외과 결과 예측 하는 다양 한 질병에 광범위 한 응용 프로그램, 질병 진행의 위험 및 환자에 대 한 치료 옵션을 알릴.
Introduction
sarcopenia 및 신체 구성의 평가는 현재 큰 임상 관심. sarcopenia의 특정 정의는 설정 및 상황에 따라 다르지만, 모든 정의에는 골격 근육 질량 또는 근육 강도의 상당한 손실이 포함되며, 이는 밀접하게 상관 관계가 있는1,2,3. 신체 조성 분석은 골격 근 질량 및 지방 조직 분포의 측정을 통합하여 환자의 일반적인 적합성에 대한 보다 포괄적 인 정보를 제공합니다1,3,4. 유사하게, 불균형적으로 분포된 지방 조직, 특히 내장 지방 조직, 심장 질환, 타입 II 당뇨병 및 암5를포함한 다양한 질병과 관련이 있는 것으로 밝혀졌다.
임상적으로, sarcopenia 및 선형 측정에 의한 평가는 반복적으로 수술, 방사선 요법 및 화학요법1,2,4,6,7,8에따라 악성 및 종양학 결과에 걸쳐 암 특정 생존을 위한 강한 예후 인자로 나타났습니다. 특히, 이전 연구는 사르코니아 환자가 암 특이적 생존과 전반적인생존1,2,9,10을감소시킨 것으로 나타났습니다. 따라서, sarcopenia 진행의 정확하고 신속한 임상 평가는 처리 선거를 결정하는 데 중요합니다. 종래의 전신 조성 프로파일링은 컴퓨팅 단층 촬영(CT), 자기 공명 영상(MRI), 뼈 밀집(DEXA), 바이오전기 임피던스 분석(BIA) 등 이미징 기술을 사용하여 3차원(3D) 수준에서 분석이 필요하며, 이는 시간이 많이 소요되고 비용이 많이 들며 광범위한훈련5,11이필요하다. 또 다른 단점은 특히 공기 변위 plethysmography (ADP) 및 DEXA12에대한 지방 분포에 대한 정보의 부족이다. 따라서, 표준 치료 임상 사례의 일환으로 사용되는 CT 또는 MRI와 같은 종래의 단면 이미징 양식의 사용을 이용한 sarcopenia 및 신체 조성물의 평가 및 판정은 큰 임상 적 가치를 갖는다5.
임상 연구 환경에서 일반적으로 사용되는 세분화 소프트웨어 중 하나는 TomoVision에서 개발한 슬라이스-오-매틱 프로그램입니다. Mourtzakis외. 13 세분화 절차를 사용하여, 프로그램은 연구원 또는 임상의가 골격 근육 (SM), 근육 지방 조직 (IMAT), 내장 지방 조직 (VAT), 및 밀도 기반 임계 값을 사용하여 피하 지방 조직 (SAT)과 같은 다양한 조직 유형을 반 자동으로 태그 할 수 있습니다, 전체 조직의 단면의 측정을 허용. 이러한 측정은 인구의 기반 임계값에 의해 sarcopenia 및 sarcopenic 비만을 확인하기 위하여, 환자의 고도 제곱에 의해 정규화 후에, 수시로 총 바디 골격 근육 질량 및 adiposity를 추정하기 위하여 이용됩니다.
최근 개발된 방법 Avrutin외. 14골격근육의 선형 측정을 사용하여 개발된 L3 단면14,15의MRI 및 CT 영상을 사용하여 총 근육 량을 추정하는 데 동등하게 신뢰할 수 있는 잠재력을 보이고있다. 측두와 파라척추 근육 그룹은 L3 영역의 근육 표면적의 대부분을 포함하고 높은 기능을 가지고, 그들은 전체 근육 강도의 높은 충실도 예측 될 수 있음을 시사, 따라서 선형 측정의 주요 후보14,15. 근육 표면적을 계산하기 위해, 당구및 파라척추 근육 그룹의 수평 및 수직 측정은 직선교차 90 ° 그리는 통치자 도구를 사용하여 얻어진다. 각 근육 그룹의 수평 및 수직 측정은 각 근육 그룹의 표면적을 추정하기 위해 곱되며, 이는 환자의 높이로 나눌 때 선형 근육 지수를 계산하는 데 사용됩니다. 최소한의 교육을 통해 이 전체 프로세스는 1분 미만이 걸릴 수 있습니다.
환자 치료에 대한 신체 구성 측정의 잠재적 인 의미를 감안할 때 접근 가능한 교육 재료를 만들어야하는 긴급한 필요성이 있습니다. 본 기사에서는 아브루틴 외14 및 Mourtzakis외. 13에 의해 개발된 두 가지 방법에 대한 자세한 설명을 제공하여 골격 근 질량 및 신체 구성을 각각 정량화하여 공급자 및 임상 연구자를 위해 합니다.
Protocol
Representative Results
Discussion
양위부 근육, 기생충 근육 그룹 및 경사 근육은 전체 근육 질량5와밀접한 관련이 있습니다. 특히, 제3요추 척추(L3)의 중간점에서 이들 근육군의 CT 또는 MRI 단면 내의 표면적은 전체 근육 질량과 매우 상관관계가 있어, 이 이미지는 sarcopenia1,2,13을평가할 때 연구자 또는 임상의에게 사용하기에 이상적인 이미지이다. 세분화 및 선형 측정은 신체 조성을 평가하고 환자16, 17에서sarcopenic 비만과 같은 열악한 예후 조건을 식별하는 데 큰 가치를입증했습니다. 연구에 따르면 근육 질량 측정은 화학요법 및 화학요법 독성16,17, 18과같은 주요 수술 또는 치료 계획에 따라 주요 합병증의 생존 및 위험과 관련이 있음을보여주었습니다. 따라서, 우리는 임상의가 치료 옵션에 관하여 환자를 상담하기 전에 바디 조성 데이터를 가지고 있는 것이 유익할 지도 모릅니다.
현재, 신체 구성을 평가하는 몇 가지 방법이 있다. 수온측정법(12) 및 공기변위(ADP)19와같은 여러 가지 방법은 각각 체지방 및 체밀도 비율을 추정하기 위해 공기 중량 및 변위를 활용한다. 이러한 방법은 유용할 수 있지만, 지방 조직분포5,19를결정할 수 없다. BIA와 같은 다른 신체 조성 분석 기술은 지방 질량 및 무지방질량(12)의다른 전기 특성에 따라 분석을 기반으로 합니다. 그러나, 다시 한번이 기술은 지방 분포를 적절히 평가하지 못하며, 또한 더 정확한 측정을 위해 인종, 나이 및 성별과 같은 더 많은 정보가 필요합니다19. 반대로, DEXA와 같은 평가는 신체 조성 평가에 유용하지만, 증자다도(12)를증가시켜 근육 질량을 과대 평가하는 경향이 있는 것으로 나타났다. 몇몇 프로토콜은 또한 DICOM 보기 소프트웨어 내에서 근육 질량 및 지방 조직 데이터를 얻기 위하여 관심있는 지역 (ROI) 방법을 이용했으며, 이는 sarcopenia 평가 및 영양 평가에 대한 BIA 신체 조성 분석과 좋은 상관 관계를 갖는 것으로 나타났다20,21.
Mourtzakis 등에서 개발한 세분화 절차는 대부분의 CT 또는 MRI 이미지에서 수행할 수 있고 지방 조직 분포 및 근육영역(13)을정확하게 결정할 수 있기 때문에 대체 신체 조성 평가에 비해 장점이 있다. 또한, 축 L3 세분화는 환자 비만상태(13)에관계없이 정확도의 장점이 있다. 전술한 대안과 유사하게, Avrutin 외14에 의해 개발된 선형 측정 기술은 지방 분포를 평가할 수 있는 능력이 없다. 최근, 연구원은 신체 세분화에 이질적인 입증, 특히 psoas 근육을 측정 하는 방법에서 혼자22. Psoas 근육 질량만으로는 요추 근육양 또는 체계적인 근육 낭비를 크게 나타내지 않으며, 임상결과(22)와상관관계가 없을 수 있다. 이 문제는 psoas 근육이 평가의 주요 근육 그룹이므로 선형 측정에 더 관한 것일 수 있습니다. 그러나, 우리의 설명된 기술은 단면 근육 질량의 급속하고 편리한 평가동안, 더 정확한 측정하기 위하여 양측 양면 및 기생충 근육 추정을 포함합니다. CT/MRI 선형 측정 및 세분화 방법 사이의 결과와 임상 결과에 대한 상관 관계를 검증하는 향후 연구가 보증됩니다.
L3 세분화 및 선형 측정 절차는 처음에 신체 전체근육 함량을 신속하고 정확하게 평가하도록 설계되었습니다. L3 척추만분할함으로써, 프로토콜은 여전히 연구원 이나 임상의에게 환자의 상체 근육 질량 과 다도 상태를 결정하기에 충분한 정보를 제공하면서 시간을 절약. 그러나 L3 세분화는 전신 세분화보다 훨씬 적은 시간이 걸리지만 Slice-O-Matic 소프트웨어를 사용하는 데 시간이 많이 걸리고 비용이 많이 들 수 있습니다. 반대로, 선형 측정은 중증 질환 환자에서 근육 상태 및 sarcopenia를 평가하는 L3 세분화만큼 정확할 가능성이있다(14,15). 우리는 선형 측정에 의해 측정된 골격 근이 세분화에 의해 측정된 값과 밀접하게 상관되는 T3 신장 세포 암종 코호트에서 그러한 관계를 입증하였다(도6). 중요한 것은, 방법은 매우 빠르며 이미징 소프트웨어는 무료입니다. 그러나 선형 측정 절차에 대한 가장 주목할 만한 제한은 지방 조직 함량을 평가할 수 있는 능력이 부족하다는 것입니다.
세분화 및 선형 측정 절차 에는 세 가지 중요한 단계가 있습니다. 첫째, 임상의와 연구원은 일관성을 달성하기 위하여 L3 척추의 중간을 확인해야 합니다. L3 척추의 중간은 횡방향 프로세스의 골수가 가장 눈에 띄는 슬라이스가 될 것입니다. 축 L3 척추 슬라이스는 교차 연결 된 좌골 또는 관상 관상 뷰의 도움으로 더 쉽게 식별됩니다. 연구원 또는 임상의는 먼저 참조점으로 L1 척추 또는 사통을 찾을 수 있습니다, 명심 6 요추 척추의 존재는 정상 변이체입니다. 다음 중요한 단계는 근육을 식별하는 것입니다. 선형 측정에서 수직 및 수평 측정을 하는 동안 사분면 요추를 포함해서는 안 됩니다. 셋째, 연구자들은 또한 결장 함량이 내장 지방조직(23)으로태그될 수 있기 때문에 세분화 프로토콜에 부가가치세를 표시할 때 세심한 주의를 기울여야 한다. 이러한 오류가 발생하면 연구원은 다음 단계로 이동하기 전에 이러한 영역을 지워야 합니다.
세분화의 일반적인 문제는 CT 또는 MRI 이미지 품질이 좋지 않습니다(예: 대표 결과 참조). 경우에 따라 품질이 좋지 않으면 이미지가 쓸모없게 되지 는 않지만 다른 경우에는 이미지를 분석에서 제외해야 할 수 있습니다. 또 다른, 아마도 피할 수없는, 단일 이미지의 세분화의 제한은 이미지에서 이미지로 고체 오르간 위치의 임의의 변화를 포함한다.
L3 세분화 분석과 선형 측정 해석 모두에 대한 다른 일반적인 문제는 종종 인터 및 인트라 레이터 변화와 관련이 있습니다. 대부분의 프로토콜의 경우와 마찬가지로 관찰자 와 단일 개인의 개별 시험 사이의 일정 량의 변형이 예상될 수 있습니다. 분석을 수행하는 여러 사람과 의 상호 평가자 변화를 고려하고 최소화하기 위해 연구원 또는 임상의 팀은 동일한 이미지에서 표면적 측정 및 평균 HU의 통계적으로 유의한 변이를 테스트 할 수 있습니다. 이것은 같은 심상을 위한 아주 유사한 표면 적인 지역이 있는 연구원 또는 임상의가 실제로 대략 동일조직에 태그를 지정하고 있는지 여부를 표시하기 때문에 HU 변이의 특별한 주의하십시오. 개별을 위한 중요한 장내 평가자 변이를 위해 시험하기 위하여는, 연구원 또는 임상의는 각 이미지에 대한 모든 복제본이 좁고 통계적으로 유의한 여백 안에 있을 때까지 심상의 작은 부분 집합을 취하고 각 심상을 분할할 수 있습니다.
여기에 제시된 두 프로토콜 모두 단일 슬라이스만 사용됨에 따라 신체 구성 분석에 한계가 있음을 인정합니다. Shen et al.에 의해 제안된 바와 같이, 3D 분석은 복부 내장 지방에 대한 보다 정확한 정보를 제공할 수 있고, 부가가치세에 대한 단일 슬라이스 분석은 남성과여성(24)에대해 상이한 수준에 있다. 그러나, 여기에서 토론된 프로토콜은 진료소에 있는 sarcopenia 검열을 위해 이용될 수 있는 근육 및 지방 조직의 빠른 평가를 제공하기 때문에 아직도 가치가 있습니다.
더욱이, 3D 기계 학습 알고리즘, 특히 신경그물 기반 분류알고리즘(25)을이용한 많은 자동화된 신체 조성 분석 프로토콜이 있었다. 우리는 이러한 전통적인 2D 세분화에 대한 잠재적 인 미래의 대안이 될 수 있음을 인정합니다. 그러나 이러한 방법은 임상 및 연구 환경에서 CT 및 MRI 이미지의 대규모 데이터 집합을 개발, 테스트 및 구현해야 합니다. 또한 이러한 메서드는 종종 2D 세분화 분석이 필요하며, 이에 대한 기계 학습 알고리즘의 유효성을 검사할 기준 참조를 설정해야 합니다. 따라서 여기에서 설명한 프로토콜은 대규모 데이터 집합이나 3D 이미지를 사용할 수 없는 경우에 유용할 수 있으며 이러한 프로토콜을 적용하여 적용 가능한 경우 기계 학습 알고리즘을 개발하고 검증할 수 있습니다. 따라서, 우리는 임상의와 연구원이 이 훈련 비디오에서 혜택을 받을 수 있고 자동화된 분석이 유효하기 전에 예비 검열로 이 신속하고 믿을 수 있는 방법을 채택하고 이 첨단 기술의 구현을 용이하게 하기 위하여 믿습니다.
지방 조직 분포와 골격 근 질량을 빠르게 분석하는 능력은 암 치료 및 연구에서 심장 질환에 이르기까지 광범위한 임상 적 관심사를 가지고있습니다 5. 다른 일반적으로 사용되는 방법에 비해, 무르자키스 외. 슬라이스-O-Matic에서 L3 세분화 절차는 지방 조직 분포를 정확하고 신속하게 평가하고 sarcopenia 상태5,12,13,19를결정할 수 있다. 또한, 골격 근 질량에 대한 정보가 충분한 맥락에서, L3 선형 측정 절차는 수술, 방사선 요법 및 화학요법1,2,4,6,7,8과같은 암 치료의 성공을 예측하는 데 도움이 되는 신뢰할 수 있고 매우 빠른 도구이다. 이 훈련 비디오 및 원고의 목적은 임상의가 클리닉 환경에서 신체 구성을 보다 쉽게 평가할 수 있도록 향후 사용을 위한 세분화 및 선형 측정 프로토콜을 명확하게 설명하는 것입니다.
Offenlegungen
The authors have nothing to disclose.
Acknowledgements
저자들은 존 로빈슨 & 처칠 가족 재단의 지지를 인정하고 싶습니다.
Materials
| Centricity PACS Radiology RA 1000 Workstation | GE Healthcare | Image viewer to obtain subject's MRI and CT images | |
| Slice-O-Matic 5.0 | TomoVision | Segmentation software used in this protocol. Other versions of this software may be used, but tools may be slightly different. | |
| Horos | Nimble Co LLC d/b/a Purview | Linear segmentation software used in this protol, but researchers can use any image viewer with a ruler tool. |
Referenzen
- Psutka, S. P., et al. Decreased skeletal muscle mass is associated with an increased risk of mortality after radical nephrectomy for localized renal cell cancer. The Journal of Urology. 195 (2), 270-276 (2016).
- Fukushima, H., Nakanishi, Y., Kataoka, M., Tobisu, K., Koga, F. Prognostic significance of sarcopenia in patients with metastatic renal cell carcinoma. The Journal of Urology. 195 (1), 26-32 (2016).
- Santilli, V., Bernetti, A., Mangone, M., Paoloni, M. Clinical definition of sarcopenia. Clinical Cases in Mineral and Bone Metabolism. 11 (3), 117-180 (2014).
- Caan, B. J., et al. Association of muscle and adiposity measured by computed tomography with survival in patients with nonmetastatic breast cancer. JAMA Oncology. 4 (6), 798-804 (2018).
- Borga, M., et al. Advanced body composition assessment: from body mass index to body composition profiling. Journal of Investigative Medicine. 66 (5), 1-9 (2018).
- Cushen, S. J., et al. Body composition by computed tomography as a predictor of toxicity in patients with renal cell carcinoma treated with sunitinib. American Journal of Clinical Oncology. 40 (1), 47-52 (2017).
- Bernstein, A. P., et al. A comparison of perinephric fat surface area and Mayo Adhesive Probability score in predicting malignancy in T1 renal masses. Urologic Oncology. 36 (11), 417-499 (2018).
- Auclin, E., et al. Prediction of everolimus toxicity and prognostic value of skeletal muscle index in patients with metastatic renal cell carcinoma. Clinical Genitourinary Cancer. 15 (3), 350-355 (2017).
- Vashi, P. G., et al. Sarcopenia supersedes subjective global assessment as a predictor of survival in colorectal cancer. PLoS One. 14 (6), 0218761 (2019).
- Elliott, J. A., et al. Sarcopenia: prevalence, and impact on operative and oncologic outcomes in the multimodal management of locally advanced esophageal cancer. Annals of Surgery. 266 (5), 822-830 (2017).
- Kanellakis, S., et al. Development and validation of a bioelectrical impedance prediction equation estimating fat free mass in Greek – Caucasian adult population. Clinical Nutrition ESPEN. 36, 166-170 (2020).
- Bredella, M. A., et al. Comparison of DXA and CT in the assessment of body composition in premenopausal women with obesity and anorexia nervosa. Obesity (Silver Spring). 18 (11), 2227-2233 (2010).
- Mourtzakis, M., et al. A practical and precise approach to quantification of body composition in cancer patients using computed tomography images acquired during routine care. Applied Physiology, Nutrition, and Metabolism. 33 (5), 997-1006 (2008).
- Avrutin, E., et al. Clinically practical approach for screening of low muscularity using electronic linear measures on computed tomography images in critically ill patients. JPEN. Journal of Parenteral and Enteral Nutrition. 42 (5), 885-891 (2018).
- Cespedes Feliciano, E. M., Avrutin, E., Caan, B. J., Boroian, A., Mourtzakis, M. Screening for low muscularity in colorectal cancer patients: a valid, clinic-friendly approach that predicts mortality. Journal of Cachexia, Sarcopenia and Muscle. 9 (5), 898-908 (2018).
- Peng, P., et al. Impact of sarcopenia on outcomes following resection of pancreatic adenocarcinoma. Journal of Gastrointestinal Surgery. 16 (8), 1478-1486 (2012).
- Jones, K. I., Doleman, B., Scott, S., Lund, J. N., Williams, J. P. Simple psoas cross-sectional area measurement is a quick and easy method to assess sarcopenia and predicts major surgical complications. Colorectal Disease. 17 (1), 20-26 (2015).
- Prado, C. M., et al. Sarcopenia as a determinant of chemotherapy toxicity and time to tumor progression in metastatic breast cancer patients receiving capecitabine treatment. Clinical Cancer Research. 15 (8), 2920-2926 (2009).
- Fields, D. A., Goran, M. I., McCrory, M. A. Body-composition assessment via air-displacement plethysmography in adults and children: a review. The American Journal of Clinical Nutrition. 75, 453-467 (2002).
- Zopfs, D., et al. Single-slice CT measurements allow for accurate assessment of sarcopenia and body composition. European Radiology. 30 (3), 1701-1708 (2020).
- Schwenzer, N. F., et al. Quantitative analysis of adipose tissue in single transverse slices for estimation of volumes of relevant fat tissue compartment. Investigative Radiology. 45 (12), 788-794 (2010).
- Baracos, V. E. Psoas as a sentinel muscle for sarcopenia: a flawed premise. Journal of Cachexia, Sarcopenia and Muscle. 8 (4), 527-528 (2017).
- Potretzke, A. M., Schmitz, K. H., Jensen, M. D. Preventing overestimation of pixels in computed tomography assessment of visceral fat. Obesity Research. 12 (10), 1698-1701 (2004).
- Shen, W., et al. Total body skeletal muscle and adipose tissue volumes: estimation from a single abdominal cross-sectional image. Journal of Applied Physiology. 97 (6), 2333-2338 (2004).
- Weston, A. D., et al. Automated abdominal segmentation of CT scans for body composition analysis using deep learning. Radiology. 290 (3), 669-679 (2019).
