الأنثروبومترية السريرية وتكوين الجسم من التصوير البصري 3 الأبعاد
Summary
تتيح إجراءات تقييم حجم الجسم وشكله وتكوينه من خلال الحلول المتاحة تجاريا للتصوير البصري ثلاثي الأبعاد الجمع السريع للبيانات الدقيقة والقابلة للتكرار. يمكن للأطباء السريريين تنفيذ الحصول على مؤشرات حيوية مبتكرة ومفيدة (قياسات “الشريط الإلكتروني”) في التقييمات الروتينية للمرضى للمساعدة في توصيف حالتهم الصحية.
Abstract
عادة ما يتم تضمين تقييم حجم الجسم وتكوينه في الإدارة الروتينية للرياضيين الأصحاء وكذلك لأنواع مختلفة من المرضى لتخصيص استراتيجية التدريب أو إعادة التأهيل. يمكن إجراء التحليلات الأنثروبومترية الرقمية الموصوفة في البروتوكول التالي باستخدام الأنظمة التي تم إدخالها مؤخرا. هذه الأدوات والنهج الجديدة لديها القدرة على استخدامها على نطاق واسع في البيئات السريرية لأنها بسيطة للغاية في التشغيل وتمكن من الجمع السريع للبيانات الدقيقة والقابلة للتكرار. يتكون أحد الأنظمة من منصة دوارة مزودة بلوحة قياس الوزن وثلاث كاميرات تعمل بالأشعة تحت الحمراء وجهاز لوحي مدمج في برج ، بينما يتكون النظام الآخر من جهاز لوحي مثبت على حامل. بعد التقاط الصور ، يقوم برنامج كلا النظامين بإنشاء صورة رمزية ثلاثية الأبعاد ثلاثية الأبعاد غير محددة الهوية مع المتغيرات الأنثروبومترية وتكوين الجسم المرتبطة بها. إجراءات القياس بسيطة: يمكن اختبار الموضوع في بضع دقائق ويتم إنشاء تقرير شامل (بما في ذلك المسح ثلاثي الأبعاد وقياسات حجم الجسم وشكله وتكوينه) تلقائيا.
Introduction
الأنثروبومترية هي دراسة المقاييس الفيزيائية لجسم الإنسان. الطول والوزن والأطوال وسمك طيات الجلد والمحيط هي مقاييس أنثروبومترية شائعة الاستخدام أثبتت أنها مفيدة للتحقيق في المرضى الذين يعانون من اضطرابات الغدد الصماء والتمثيل الغذائي ولمراقبة النمو والشيخوخة وحجم الجسم وتكيفات التكوين التي يثيرها النظام الغذائي والتدريب في الرياضيين1،2. على سبيل المثال ، أثبت تقييم محيط الخصر والورك أنه مفيد لإدارة الأشخاص المصابين بالسمنة: كلا المحيطين يقيمان توزيع السمنة التي يمكن اعتبارها مؤشرا على الوفيات الناجمة عن جميع الأسباب3.
كثيرا ما يتم تقييم محيط الأطراف في الطب التأهيلي والرياضي بسبب فائدته في اكتشاف و / أو مراقبة الانخفاض في الكتلة الخالية من الدهون الطرفية (على سبيل المثال ، يستخدم محيط ربلة الساق كعلامة عضلية هيكلية بسيطة وعملية لتشخيص انخفاض العضلات الهيكلية وساركوبينيا)1،2 وعدم التماثل بين الأطراف الذي يؤثر على كل من الأداء البدني وخطر الإصابات لدى الرياضيين ونوعية الحياة لدى المرضى (على سبيل المثال ، مرضى السرطان الذين يعانون من تورم الأطراف من جانب واحد)1,2. علاوة على ذلك ، تم اقتراح عدد كبير من نماذج التنبؤ بتكوين الجسم القائمة على القياسات البشرية على مدى العقود العديدة الماضية لتقدير كمية كتلة الدهون أو الكتلة الخالية من الدهون من مجموعة من المقاييس الأنثروبومترية المختلفة مثل محيط الجسم أو سمك ثنايا الجلد1،2،4،5،6،7.
نظرا لأن القياسات الأنثروبومترية التقليدية (أي القائمة على الشريط والفرجار) قد لا تكون مقبولة ثقافيا أو اجتماعيا وتظهر أيضا موثوقية ضعيفة8 ، كانت هناك حاجة إلى تطوير والتحقق من صحة النهج غير الغازية والقابلة للتكرار والصحيحة. أنظمة التصوير البصري ثلاثية الأبعاد (3D) التي تم تطويرها مؤخرا وتمكن من توفير قياسات غير جراحية ودقيقةودقيقة 8،9،10،11 ، بالإضافة إلى الكاميرات الاستهلاكية الرقمية والهواتف الذكية توفر أدوات سهلة الاستخدام ومتاحة على نطاق واسع مناسبة للاستخدام في الإعدادات السريرية وغير السريرية لتقييم كل من المرضى والأشخاص الأصحاء8،9،10،11، 12،13،14،15،16،17،18،19،20. الهدف من البروتوكول المذكور في القسم التالي هو وصف إجراءات تقييم حجم الجسم وشكله وتكوينه من خلال حلين متاحين تجاريا للتصوير البصري 3D الذي أصبح منتشرا خلال السنوات الأخيرة في كل من إعداد الرعاية الصحية (لتقييم المرضى) وفي الإعدادات غير السريرية (لتقييم الرياضيين).
Protocol
Representative Results
Discussion
يمكن استخدام الإجراءات المقدمة في هذه المقالة لتقييم حجم الجسم وشكله وتكوينه من خلال حلين متاحين تجاريا للتصوير البصري ثلاثي الأبعاد تم تطويرهما مسبقا والتحقق من صحتهما9،10،11،12،13،14،15،16،17،18،19،20. هذه الحلول سهلة التشغيل ، ويمكن جمع البيانات الصالحة بسرعة وتنظيمها تلقائيا في تقرير. علاوة على ذلك ، تتيح الأنظمة المقدمة جمع البيانات القابلة للتكرار (كما هو مقترح من خلال مقارنة النتائج من المسحين اللذين تم إجراؤهما مع كلا النظامين في حالتينا التمثيليتين وموثقة من خلال الدراسات السابقة)9،10،11،12،13،14،15،16،17،18 ،19,20 وبالتالي يمكن استخدامها لمراقبة التغييرات التي يسببها التدريب أو النظام الغذائي.
نظرا لأن النظام # 2 له وزن محدود (~ 4 كجم إجمالا للكمبيوتر اللوحي والحامل) ، فهو محمول بسهولة. ومع ذلك ، فإن أحد قيود النظام #2 هو أن إنشاء صورة رمزية ثلاثية الأبعاد من صور ثنائية الأبعاد يمكن أن ينتج عمليات إعادة بناء ثلاثية الأبعاد أقل دقة من تلك التي تم الحصول عليها باستخدام النظام #1 ، خاصة في الأشخاص الذين يعانون من السمنة (كما هو موضح في المثال التمثيلي للشكل 3 C ، D) أو في المرضى الذين يعانون من تشوهات موضعية في شكل الجسم (على سبيل المثال ، المرضى بعد جراحة السمنة الذين يعانون من زيادة الجلد المزعجة أو مرضى السرطان الذين يعانون من وذمة لمفية أحادية الجانب في الأطراف العلوية أو السفلية).
يعد توفر مساحة كافية أمرا بالغ الأهمية للحصول على المسح الضوئي مع كلا النظامين: مطلوب مساحة واضحة تبلغ 157 × 198 سم للنظام # 1 و 86 × 166 سم للنظام # 2. علاوة على ذلك ، يتطلب النظام #2 وضع الموضوع بالقرب من جدار فارغ بدون مرايا أو ملصقات لامعة أو نوافذ. يتطلب كلا النظامين عدم وجود ضوء طبيعي أو أسطح عاكسة أمام الكاميرات. يتطلب كلا النظامين أيضا اتصال إنترنت Wi-Fi ثابت ومتسق لمعالجة عمليات الفحص بشكل فعال.
القيد الرئيسي للإجراءات الموصوفة أعلاه هو أنها تتطلب أن يكون الشخص الذي تم التحقيق فيه قادرا على تولي الوضع الدائم. لذلك ، لا يمكن استخدام هذه الأساليب في المرضى المصابين بأمراض خطيرة (مثل مرضى الأعصاب الذين يعانون من ضعف شديد أو المرضى المصابين بأمراض خطيرة) غير القادرين على النهوض من السرير. علاوة على ذلك ، يجب أن يكون الأشخاص الذين تم التحقيق فيهم قادرين على الحفاظ على وضع الوقوف (أي الوضع A والوضع الجانبي) دون حركات يمكن أن تغير شكل الصورة الرمزية10,22 وتحيزها في تقدير محيط الجسم.
يتمثل أحد قيود المعلمات الموصوفة أعلاه في أنه يتم الحصول عليها باستخدام خوارزميات خاصة بالجهاز: وهذا يعني أن قياسات حجم الجسم وشكله وتكوينه فريدة من نوعها لنظام المسح المعين. لذلك ، فإن مقارنة أو تجميع البيانات التي يتم الحصول عليها مع أنظمة مختلفة يحول دون التباين التحليلي (أي بين الماسحات الضوئية). باستمرار ، اختلفت قياسات المحيط التي تم الحصول عليها في موضوعين تمثيليين موضحين في الشكل 3 بين النظامين. ومع ذلك ، فقد تم بالفعل تطوير حلول محايدة للأجهزة للتغلب على هذا القيد: تقوم هذه الحلول بإعادة تنسيق وتحرير شبكة 3D ، ثم تكتشف تلقائيا المعالم المختلفة (مثل الإبطين والمنشعب والقدمين) ثم تحسب قياسات حجم الجسم28،29،30،31،32،33،34،35. هناك قيد آخر على معلمات تكوين الجسم الموصوفة أعلاه وهو أنه يتم الحصول عليها من خلال نماذج التنبؤ التقليدية القائمة على القياسات البشرية. ومع ذلك ، أظهرت الدراسات الحديثة أن النماذج القائمة على شكل الجسم قد تكون مطلوبة لالتقاط معلومات حول تكوين الجسم تتجاوز القياسات الأنثروبومترية التقليدية36,37.
على الرغم من بعض القيود ، يجب اعتبار النهج الأنثروبومتري الرقمي جاهزا للاستخدام في الإعداد السريري. توفر أنظمة التصوير 3D قياسات غير جراحية يمكن أن تكون أكثر قبولا مقارنة بالقياسات اليدوية (القائمة على الشريط و / أو القائمة على الفرجار) التي تستند إلى تحديد المعالم التشريحية من خلال الملاحظة والجس. علاوة على ذلك ، فإن المسح البصري 3D أسرع أيضا مقارنة بالتحقيقات الأخرى (على سبيل المثال ، التصوير بالرنين المغناطيسي وقياس امتصاص الأشعة السينية ثنائي الطاقة) المعتمد بشكل شائع في الأبحاث والإعدادات السريرية لتقييم حجم الجسم وتكوينه. بالإضافة إلى ذلك ، نظرا لأنه غير مكلف نسبيا وخالي من الإشعاع ، فمن الآمن استخدامه في عمليات المسح اللاحقة (على سبيل المثال ، يمكن تكرار الحصول على الصورة بسهولة وسرعة إذا لاحظ المجرب حركات الجسم أو وضع الأطراف غير المناسب الذي يمكن أن ينتج عنه تغييرات في شكل الصورة الرمزية) وللتحقيقات المتكررة38 وكذلك آمن للاستخدام في مجموعات سكانية خاصة (مثل الأطفال ، المراهقين والنساء الحوامل)35,39.
لذلك يمكن للأطباء تنفيذ اكتساب مؤشرات حيوية مبتكرة ومفيدة (“قياسات الشريط الإلكتروني” وتقديرات تكوين الجسم المشتقة) في التقييمات الروتينية للأشخاص الأصحاء (مثل الرياضيين) للمساعدة في التنبؤ بتوصيف أدائهم البدني ومخاطر الإصابة40،41،42،43 وكذلك لمراقبة التعافي من الإصابة. على سبيل المثال ، تؤثر قوة الساق وتماثل الكتلة الخالية من الدهون على الأداء البدني وخطر الإصابة (إعادة)44. لذلك ، يمكن تضمين استعادة التماثل الطبيعي لمحيط الفخذ / ربلة الساق ضمن الأهداف العامة التي يجب مراعاتها للعودة للعب45. يمكن أيضا تحسين التقييم الروتيني للمرضى من خلال دمج القياس البشري الرقمي في الرعاية الصحية. يمكن أن يكون تقييم محيط الجسم وشكله (المدفوع بالتوزيع الداخلي للأنسجة الرخوة والدهنية) مفيدا للكشف عن العضلات منخفضة الكتلة (على سبيل المثال ، في المرضى المشتبه في إصابتهم بالساركوبينية) ، للتنبؤ بخطر الإصابة بأمراض التمثيل الغذائي46 ، لتقييم نتائج العملية الجراحية ، وكذلك لمراقبة تقدم المريض بعد التدخل38. يمكن للمرضى الذين يعانون من أمراض تحتوي على مكونات غذائية كمساهمين رئيسيين في الفيزيولوجيا المرضية الخاصة بهم الاستفادة على وجه التحديد من المراقبة الطولية لحجم الجسم وتكوينه لتقليل الأعراض والظروف المصاحبة47. على سبيل المثال ، في حالة الإدارة القائمة على النظام الغذائي و / أو الأدوية للسمنة ، قد لا يكون من المناسب مراقبة الوزن فقط لأن “قاعدة 25/75 الأساسية” المعروفة (أي الافتراض العام بأن فقدان الوزن عادة ما يكون 25٪ فقدان كتلة خالية من الدهون و 75٪ فقدان الدهون) قد لا يصف بدقة فعالية التدخل38 التي يمكن كشفها من خلال التقييم القائم على القياس البشري للكمية النسبية لفقدان العضلات والدهون. علاوة على ذلك ، فإن القياس البشري الرقمي ، المدمج في الرعاية الصحية ، لديه القدرة على توسيع خدمات الرعاية الصحية إلى المواقع النائية ، وبالتالي تحسين مساعدة المرضى والالتزام بهم وتقليل تكاليف الرعاية الصحية.
Disclosures
The authors have nothing to disclose.
Acknowledgements
يعرب المؤلفون عن امتنانهم للدكتور فيديريكو ديلا فيكيا والدكتور أليساندرو كايرو (جامعة تورينو) لدعمهما القيم في إعداد المخطوطة. تم دعم هذا العمل بمنح من Fondazione CRT (تورينو ، إيطاليا) ، وجامعة تورينو (Fondo per la Ricerca Locale – 60٪ سابقا) ، والمعاهد الوطنية للصحة (منحة R01DK109008 ، Shape UP! الكبار).
Materials
| System #1 | |||
| Proscanner | Fit3D Inc., San Mateo, CA, USA | Version 5 | "System #1" in the manuscript |
| Fit3D Proscanner app | Fit3D Inc., San Mateo, CA, USA | Version 5 | "App #1" in the manuscript |
| CHUWI tablet PC | Chuwi Technology Co., Ltd., Shenzhen, CHINA | Hi10X | "Tablet #1" in the manuscript |
| Fit3D dashboard | Fit3D Inc., San Mateo, CA, USA | https://dashboard.fit3d.com | |
| System #2 | |||
| Mobile Scanner 1 (MS-1) app | Size Stream LLC, Cary, NC, USA | Version 2 | "System #2" in the manuscript |
| iPad | Apple Inc., Cupertino, CA, USA | 9th generation | "Tablet #2" in the manuscript |
| iPad Floor Stand | Displays2go LLC, Fall River, MA, USA | SKU: TABFLATBBK | www.displays2go.com/P-29987/Universal-Tablet-Floor-Stand-Anti-Theft-Locking-Kit |
| Size Stream registration dashboard | Size Stream LLC, Cary, NC, USA | https://measure.mobilefit.sizestream.com | |
| Size Stream data download dashboard | Size Stream LLC, Cary, NC, USA | https://data.mobilefit.sizestream.com |
References
- Heymsfield, S. B., Lohman, T., Wang, Z. M., Going, S. Human body composition-2nd edition. Human Kinetics. , (2005).
- Lohman, T. G., Milliken, L. A. ACSM’s Body composition assessment. Human Kinetics. , (2020).
- Ross, R., et al. Waist circumference as a vital sign in clinical practice: a Consensus Statement from the IAS and ICCR Working Group on Visceral Obesity. Nat Rev Endocrinol. 16 (3), 177-189 (2020).
- Heymsfield, S. B., Gonzalez, M. C., Lu, J., Jia, G., Zheng, J. Skeletal muscle mass and quality: evolution of modern measurement concepts in the context of sarcopenia. Proc Nutr Soc. 74 (4), 355-366 (2015).
- Marin-Jimenez, N., et al. Criterion-related validity of field-based methods and equations for body composition estimation in adults: a systematic review. Curr Obes Rep. 11 (4), 336-349 (2022).
- Duarte, C. K., et al. Prediction equations to estimate muscle mass using anthropometric data: a systematic review. Nutr Rev. 81 (11), 1414-1440 (2023).
- Jagim, A. R., et al. Validation of skinfold equations and alternative methods for the determination of fat-free mass in young athletes. Front Sports Act Living. 5, 1240252 (2023).
- Minetto, M. A., et al. Digital anthropometry for body circumference measurements: European phenotypic variations throughout the decades. J Pers Med. 12 (6), 906 (2022).
- Ng, B. K., Hinton, B. J., Fan, B., Kanaya, A. M., Shepherd, J. A. Clinical anthropometrics and body composition from 3D whole-body surface scans. Eur J Clin Nutr. 70 (11), 1265-1270 (2016).
- Bourgeois, B., et al. Clinically applicable optical imaging technology for body size and shape analysis: comparison of systems differing in design. Eur J Clin Nutr. 71 (11), 1329-1335 (2017).
- Heymsfield, S. B., et al. Digital anthropometry: a critical review. Eur J Clin Nutr. 72 (5), 680-687 (2018).
- Tinsley, G. M., Moore, M. L., Benavides, M. L., Dellinger, J. R., Adamson, B. T. 3-Dimensional optical scanning for body composition assessment: A 4-component model comparison of four commercially available scanners. Clin Nutr. 39 (10), 3160-3167 (2020).
- Tinsley, G. M., Moore, M. L., Dellinger, J. R., Adamson, B. T., Benavides, M. L. Digital anthropometry via three-dimensional optical scanning: evaluation of four commercially available systems. Eur J Clin Nutr. 74 (7), 1054-1064 (2020).
- Smith, B., et al. Anthropometric evaluation of a 3D scanning mobile application. Obesity (Silver Spring). 30 (6), 1181-1188 (2022).
- Graybeal, A. J., Brandner, C. F., Tinsley, G. M. Validity and reliability of a mobile digital imaging analysis trained by a four-compartment model. J Hum Nutr Diet. 36 (3), 905-911 (2023).
- Graybeal, A. J., Brandner, C. F., Tinsley, G. M. Evaluation of automated anthropometrics produced by smartphone-based machine learning: a comparison with traditional anthropometric assessments. Br J Nutr. 130 (6), 1077-1087 (2023).
- Wong, M. C., et al. Accuracy and precision of 3-dimensional optical imaging for body composition by age, BMI, and ethnicity. Am J Clin Nutr. 118 (3), 657-671 (2023).
- Minetto, M. A., et al. Equations for smartphone prediction of adiposity and appendicular lean mass in youth soccer players. Sci Rep. 13 (1), 20734 (2023).
- Cataldi, D., et al. Accuracy and precision of multiple body composition methods and associations with muscle strength in athletes of varying hydration: The Da Kine Study. Clin Nutr. 43 (1), 284-294 (2024).
- Graybeal, A. J., et al. Smartphone derived anthropometrics: Agreement between a commercially available smartphone application and its parent application intended for use at point-of-care. Clinical Nutrition ESPEN. 59, 107-112 (2024).
- . Politecnico di Torino Available from: https://www.polito.it/sites/default/files/2023-05/Research%20Integrity%20POLITO_EN.pdf (2024)
- Sobhiyeh, S., et al. Hole filling in 3D scans for digital anthropometric applications. Annu Int Conf IEEE Eng Med Biol Soc. 2019, 2752-2757 (2019).
- Mifflin, M. D., et al. A new predictive equation for resting energy expenditure in healthy individuals. Am J Clin Nutr. 51 (2), 241-247 (1990).
- Krakauer, N. Y., Krakauer, J. C. A new body shape index predicts mortality hazard independently of body mass index. PLoS One. 7 (7), e39504 (2012).
- Katch, F. I., McArdle, W. D. Validity of body composition prediction equations for college men and women. Am J Clin Nutr. 28 (2), 105-109 (1975).
- Harty, P. S., et al. Novel body fat estimation using machine learning and 3-dimensional optical imaging. Eur J Clin Nutr. 74 (5), 842-845 (2020).
- MCCarthy, C., et al. Smartphone prediction of skeletal muscle mass: model development and validation in adults. Am J Clin Nutr. 117 (4), 794-801 (2023).
- Loper, M., Mahmood, N., Romero, J., Pons-Moll, G., Black, M. J. SMPL: A skinned multi-person linear model. ACM Trans Graph. 34, 248 (2015).
- Sobhiyeh, S., et al. Digital anthropometry for body circumference measurements: Toward the development of universal three-dimensional optical system analysis software. Obes Sci Pract. 7 (1), 35-44 (2020).
- Sobhiyeh, S., et al. Digital anthropometric volumes: Toward the development and validation of a universal software. Med Phys. 48 (7), 3654-3664 (2021).
- Dechenaud, M. E., Kennedy, S., Sobhiyeh, S., Shepherd, J., Heymsfield, S. B. Total body and regional surface area: Quantification with low-cost three-dimensional optical imaging systems. Am J Phys Anthropol. 175 (4), 865-875 (2021).
- Wong, M. C., et al. A pose-independent method for accurate and precise body composition from 3D optical scans. Obesity (Silver Spring). 29 (11), 1835-1847 (2021).
- Tian, I. Y., et al. A device-agnostic shape model for automated body composition estimates from 3D optical scans. Med Phys. 49 (10), 6395-6409 (2022).
- Tian, I. Y., et al. Automated body composition estimation from device-agnostic 3D optical scans in pediatric populations. Clin Nutr. 42 (9), 1619-1630 (2023).
- Wells, J. C. K. Three-dimensional optical scanning for clinical body shape assessment comes of age. Am J Clin Nutr. 110 (6), 1272-1274 (2019).
- Ng, B. K., et al. Detailed 3-dimensional body shape features predict body composition, blood metabolites, and functional strength: the Shape Up! studies. Am J Clin Nutr. 110 (6), 1316-1326 (2019).
- Wong, M. C., et al. Monitoring body composition change for intervention studies with advancing 3D optical imaging technology in comparison to dual-energy X-ray absorptiometry. Am J Clin Nutr. 117 (4), 802-813 (2023).
- Wong, M. C., et al. Children and adolescents’ anthropometrics body composition from 3-D optical surface scans. Obesity (Silver Spring). 27 (11), 1738-1749 (2019).
- Morse, S., et al. Machine learning prediction of combat basic training injury from 3D body shape images. PLoS One. 15 (6), e0235017 (2020).
- Harty, P. S., et al. Military body composition standards and physical performance: historical perspectives and future directions. J Strength Cond Res. 36 (12), 3551-3561 (2022).
- Keith, D. S., et al. Anthropometric predictors of conventional deadlift kinematics and kinetics: a preliminary study. Int J Exerc Sci. 16 (1), 429-447 (2023).
- Smith, M., et al. Body shape and performance on the US Army Combat Fitness Test: Insights from a 3D body image scanner. PLoS One. 18 (5), e0283566 (2023).
- Hart, N. H., Nimphius, S., Spiteri, T., Newton, R. U. Leg strength and lean mass symmetry influences kicking performance in Australian football. J Sports Sci Med. 13 (1), 157-165 (2014).
- Ardern, C. L., et al. Consensus statement on return to sport from the First World Congress in Sports Physical Therapy, Bern. Br J Sports Med. 50 (14), 853-864 (2016).
- Bennett, J. P., et al. Three-dimensional optical body shape and features improve prediction of metabolic disease risk in a diverse sample of adults. Obesity (Silver Spring). 30 (8), 1589-1598 (2022).
- Heymsfield, S. B., Shapses, S. A. Guidance on energy and macronutrients across the life span. N Engl J Med. 390 (14), 1299-1310 (2024).
