スライスO-マティックとホロを用いた体組成解析のためのセグメンテーションと線形測定
Summary
セグメンテーションと線形測定では、コンピュータ断層撮影画像および/または磁気共鳴画像画像を使用して骨格筋質量および脂肪組織を定量化します。ここでは、Slice-O-Maticソフトウェアとホロス画像ビューアを使用して、体組成の迅速かつ正確な分析を行う方法について概説します。これらの方法は、予後とリスク階層化に関する重要な情報を提供することができます。
Abstract
体組成は、様々な条件における疾患の進行および治療合併症のリスクに関連付けられている。したがって、コンピュータ断層撮影(CT)および/または磁気共鳴画像法(MRI)上の骨格筋量および脂肪組織の定量化は、手術リスク評価および疾患予後を知らせる可能性がある。この記事では、もともとMourtzakisらとAvrutinらによって記述された2つの定量方法について説明します: 骨格筋の組織セグメンテーションと線形測定.3つ目の腰椎の中間点における患者の断面画像は、両方の測定について得られた。セグメンテーションのために、画像はSlice-O-Maticにインポートされ、骨格筋、筋肉内脂肪組織、内臓脂肪組織、皮下脂肪組織のために着色された。次に、各組織タイプの表面積をタグ表面積関数を用いて算出した。線形測定では、第3腰椎のレベルでの両側性psoasと脊髄筋の高さと幅を測定し、これらの4つの値を使用した計算は推定骨格筋量を生み出す。セグメンテーション分析は、患者の体組成に関する定量的かつ包括的な情報を提供し、その後、疾患の進行と相関させることができる。ただし、このプロセスは時間がかかり、専門的なトレーニングが必要です。線形測定は、迅速な術前評価のための効率的で、医院に優しいツールです。しかし、線形測定は脂肪組織組成物に関する情報を提供しない。それにもかかわらず、これらの方法は、外科的転帰、疾患進行のリスク、および患者の治療オプションを知らせるために様々な疾患に広く適用される。
Introduction
サルコペニアと体組成の評価は、現在、大きな臨床的関心です.サルコペニアの特定の定義は設定や文脈によって異なりますが、すべての定義には骨格筋量または筋力の有意な損失が含まれており、これは密接に相関している1、2、3である。体組成分析には骨格筋量と脂肪組織分布の測定値が組み込まれており、患者1、3、4の全身適合性に関するより包括的な情報を提供する。同様に、分散脂肪組織、特に内臓脂肪組織は、心疾患、II型糖尿病、及び癌5を含む様々な疾患に関連していることが分かった。
臨床的には、サルコペニアおよび線形測定によるその評価は、手術、放射線療法、および化学療法後の癌特異的生存および腫瘍学的転帰に対する強い予後因子であることが繰り返し示されている。特に、以前の研究では、サルコペニア患者は癌特異的生存期間および全生存期間1、2、9、10を減少させることを示している。したがって、サルコペニア進行の正確かつ迅速な臨床評価は、治療選挙を決定する上で重要である。従来の全身組成プロファイリングでは、コンピュータ断層撮影(CT)、磁気共鳴イメージング(MRI)、骨密度測定(DEXA)、生体電気インピーダンス分析(BIA)などのイメージング技術を用いて3次元(3D)レベルで分析する必要があり、時間がかかり、コストがかかり、広範なトレーニング5、11を必要とする。もう一つの欠点は、特に空気変位プレチスモグラフィー(ADP)およびDEXA12に関する脂肪分布に関する情報の欠如である。従って、標準診療の一部として使用されるCTやMRIなどの従来の断面イメージングモダリティを用いたサルコペニアおよび体組成の評価と判定は、臨床価値5に大きな値を有する。
臨床研究の設定で一般的に使用されるセグメンテーションソフトウェアの1つは、TomoVisionによって開発されたSlice-O-Maticプログラムです。Mourtzakisら13 のセグメンテーション手順を用いて、研究者または臨床医が骨格筋(SM)、筋肉内脂肪組織(IMAT)、内臓脂肪組織(VAT)、皮下脂肪組織(SAT)などの様々な組織タイプに半自動でタグ付けすることを可能にし、密度ベースの閾値を使用して各断面の測定を可能にする。これらの測定値は、多くの場合、患者の身長二乗による正常化後の総骨格筋量および脂肪性を推定するために使用され、人口ベースの閾値によってサルコペニアおよび皮肉な肥満を同定する。
Avrutinらが開発した骨格筋の線形測定を用いた最近開発された方法は、L3断面14,15のMRIおよびCT画像を用いて総筋肉量を推定する際に同等に信頼できる可能性を示している。psoasおよびパラ脊椎筋群は、L3領域の筋肉表面積の大部分を構成し、高い機能性を有し、全体的な筋力の高忠実度予測変数であり、したがって線形測定14、15の主な候補である可能性を示唆している。筋肉表面積を計算するために、psoasとパラ脊椎筋群の水平および垂直測定値は、90°交差する直線を描くために定規ツールを使用して得られる。各筋肉群の水平および垂直測定は、各筋肉群の表面積を推定するために乗算され、患者の身長で割った場合に線形筋肉指数を計算するために使用される。最小限のトレーニングで、このプロセス全体が1分未満かかることがあります。
体組成測定が患者ケアに及ぼす潜在的な影響を考えると、アクセス可能なトレーニング資料を作成する緊急の必要性があります。本稿では、提供者および臨床研究者のために、それぞれ骨格筋量と体組成を定量化するためにAvrutin et14 およびMourtzakisら13 によって開発された2つの方法の詳細な説明を提供する。
Protocol
Representative Results
Discussion
psoas筋肉、パラ脊髄筋群、および斜筋は、全体的な筋肉量5と密接に相関する。特に、第3腰椎(L3)の中間点におけるこれらの筋肉群のCTまたはMRI断面内の表面積は、全体的な筋肉量と高い相関を持ち、この画像は研究者または臨床医がサルコペニア1、2、13を評価する際に使用するのに理想的な1つである。セグメンテーションおよび線形測定は、身体組成を評価し、患者16,17におけるサルコペニアおよびサルコペニック肥満などの予後不良状態を同定する上で大きな価値を示している。研究は、筋肉量測定が生存と、化学療法や化学療法毒性などの治療計画に続く主要な合併症のリスクに関連していることを示しています16,17,18.したがって、治療オプションに関するカウンセリングを受ける前に、臨床医が体組成データを持つことは有益である可能性があります。
現在, 体組成を評価するいくつかの方法があります。.密度測定12および空気変位プレチスモグラフィー(ADP)19のようないくつかの方法は、それぞれ空気重量および変位を利用して、体脂肪および体密度の割合を推定する。これらの方法は有用であるが、脂肪組織分布5、19を決定することができない。BIAなどの他の体組成分析技術は、脂肪質量と無脂肪質量12の異なる電気特性に基づいて分析を行う。しかし、この技術は再び脂肪分布を適切に評価できず、より正確な測定のために民族性、年齢、性別などのより多くの情報を必要とします。逆に、DEXAなどの評価は、体組成評価に有用であることが示されているが、脂肪12の増加に伴って筋肉量を過大評価する傾向がある。いくつかのプロトコルはまた、DICOM表示ソフトウェア内の筋肉量および脂肪組織データを得るために関心領域(ROI)法を用いており、これはサルコローニア評価および栄養評価20,21のためのBIA体組成分析と良好な相関関係を有することが示されている。
Mourtzakisらが開発したセグメンテーション手順は、ほとんどのCTまたはMRI画像で行い、脂肪組織分布および筋肉領域13を正確に決定することができるので、代替体組成評価よりも有利である。さらに、軸方向L3セグメンテーションは、患者の肥満状態13に関係なく精度の利点を有する。前述の代替法と同様に、Avrutinら14 が開発した線形測定技術は、脂肪分布を評価する能力を有していない。最近、研究者は、特にpsoas筋肉単独22を測定する方法において、身体のセグメンテーションにおいて異なる異なる方法を実証している。Psoas筋肉量単独は腰部の筋肉量や系統的な筋肉の消耗を高く代表するものではなく、臨床転帰22と高く相関していない可能性がある。この問題は、psoas筋肉が評価の主要な筋肉群であるため、線形測定でより懸念される可能性があります。しかし、我々の概説された技術は、断面筋量の迅速かつ便利な評価をしながら、より正確に測定するための両側性psoasおよび脊髄筋推定を含む。CT/MRI線形測定とセグメンテーション法の間の相互に従い、臨床結果との相関を検証する今後の研究が保証される。
L3セグメンテーションと線形測定手順の両方は、最初は体全体の筋肉含有量を迅速かつ正確に評価するように設計されました。L3椎骨のみでセグメント化することにより、このプロトコルは、研究者または臨床医に患者の無駄のない筋肉量と脂肪状態を決定するのに十分な情報を提供しながら、時間を節約します。ただし、L3 セグメンテーションは、フル ボディのセグメンテーションよりもはるかに短い時間を要しますが、Slice-O-Matic ソフトウェアを使用するには時間とコストがかかる場合があります。逆に、線形測定は、重症患者14,15における筋肉状態およびサルコペニアを評価する際のL3セグメンテーションと同じくらい正確である可能性を有する。線形測定によって測定された骨格筋がセグメンテーションによって測定された値と密接に相関しているT3腎細胞癌コホートにおいてこのような関係を実証した(図6)。重要なのは、この方法は非常に高速であり、イメージングソフトウェアは無料です。しかし、線形測定手順の最も顕著な制限は、脂肪組織含有量を評価する能力の欠如であり、臨床医は筋肉含有量の一般的な評価が十分な文脈に制限される。
セグメンテーションと線形測定の両方の手順で、3つの重要なステップがあります。まず、臨床医と研究者は、一貫性を達成するためにL3椎骨の真ん中を特定する必要があります。L3椎骨の真ん中は、横断プロセスの骨髄が最も顕著であるスライスになります。軸方向の L3 椎骨のスライスは、架橋状の矢状またはコロナのビューの助けを借りてより容易に識別できます。研究者や臨床医は、最初にL1椎骨または仙骨を基準点として見つけることができ、5個ではなく6つの腰椎の存在は正常な変種であることを念頭に置く。次の重要なステップは、筋肉を識別することです。線形測定では、垂直および水平測定を行う間、四角腰光を含めるべきではありません。第三に、コロンの内容が内臓脂肪組織23としてタグ付けされることがあるため、研究者はセグメンテーションプロトコルでVATをラベル付けする際にも細心の注意を払う必要があります。このようなエラーが発生した場合、研究者は次のステップに進む前にこれらの領域を消去する必要があります。
セグメンテーションの一般的な問題は、CT または MRI の画質が悪い(例については 、代表的な結果 を参照してください)。画質が悪いとイメージが無駄になる場合もありますが、解析から除外する必要がある場合もあります。もう一つは、おそらく避けられない、単一の画像のセグメンテーションの制限は、画像から画像への固体器官位置のランダムな変動を含む。
L3 セグメンテーション解析と線形測定解析の両方で共通する問題は、多くの場合、相互およびイントラレートの変動に関連しています。ほとんどのプロトコルの場合と同様に、オブザーバー間および単一の個人の別々の試験間で一定の変動が予想されます。分析を行う複数の人との間評価者間変動を説明し、最小限に抑えるために、研究チームまたは臨床医チームは、同じ画像から表面積測定および平均HUの統計的に有意な変動をテストすることができます。これは、同じ画像の非常に類似した表面積を持つ研究者や臨床医が実際に組織にほぼ同じタグを付けているかどうかを示すので、HUの変動に特別な注意を払ってください。個人の有意なイントラレートの変動をテストするために、研究者または臨床医は、各画像のすべてのレプリカが狭く統計的に有意でないマージン内になるまで、画像の小さなサブセットを取り、各画像をセグメント化することができます。
我々は、ここで提示される両方のプロトコルが単一のスライスしか使用されないので、体組成分析に制限があることを認める。Shenらが示唆したように、3D解析は腹部内臓脂肪に対してより正確な情報を提供し、VATの単一スライス分析は男性と女性のレベルが異なる24.しかし、ここで説明するプロトコルは、診療所でのサルコペニアスクリーニングに使用できる脂肪組織と同様に、筋肉の迅速な評価を提供するので、依然として価値がある。
さらに、3D機械学習アルゴリズム、特にニューラルネットベースの分類アルゴリズム25を用いた多くの自動体組成解析プロトコルが存在する。我々は、これらが従来の2Dセグメンテーションに代わる可能性があることを認める。しかし、これらの方法では、臨床および研究の現場で開発、テスト、実装するCTおよびMRI画像の大規模なデータセットが必要です。さらに、これらの方法では、多くの場合、機械学習アルゴリズムを検証するためのベースライン参照を確立するために、2D セグメンテーション分析が必要です。したがって、ここで示すプロトコルは、大規模なデータセットや 3D イメージが利用できない場合に役立ちます。このように、臨床医や研究者はこのトレーニングビデオの恩恵を受け、自動分析が可能になる前に、そしてこの高度な技術の実施を促進するために、これらの迅速かつ信頼性の高い方法を予備スクリーニングとして採用できると考えています。
脂肪組織分布と骨格筋量を迅速に分析する能力は、がん治療や研究から心臓病5に至るまで、幅広い臨床的関心を持っています。他の一般的に使用される方法と比較して、ムールザキスら。Slice-O-MaticのL3セグメンテーション手順は、脂肪組織分布を正確かつ迅速に評価し、サルコペニア状態5、12、13、19を決定することができます。さらに、骨格筋量に関する情報が十分である文脈において、L3線形測定手順は、手術、放射線療法、および化学療法1、2、4、6、7、8などの癌治療における成功を予測するのに役立つ、信頼性の高い、非常に速いツールである。このトレーニングビデオと原稿の目的は、臨床医がクリニックの設定で体組成をより簡単に評価できるように、将来の使用のためのセグメンテーションと線形測定のためのプロトコルを明確に示すものです。
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
著者たちは、ジョン・ロビンソン&チャーチル家財団の支援を認めたいと考えています。
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. |
Riferimenti
- 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).
