JoVE Journal > Medicine
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
Materials
References
português

Automatically Generated
Medicine

Antropometria Clínica e Composição Corporal a partir de Imagens Ópticas Tridimensionais

Published: June 07, 2024
doi:
10.3791/66698
, , , , , ,
1Division of Physical Medicine and Rehabilitation, Department of Surgical Sciences,University of Turin, 2Pennington Biomedical Research Centre, 3Department of Surgical Sciences, Dentistry, Gynaecology and Paediatrics, Paediatric Unit,University of Verona, 4Department of Epidemiology,University of Hawaii Cancer Center

Summary

Os procedimentos para avaliação do tamanho, forma e composição do corpo por meio de soluções comercialmente disponíveis para imagens ópticas tridimensionais permitem a coleta rápida de dados precisos e reprodutíveis. Os médicos podem implementar a aquisição de biomarcadores inovadores e úteis (medições “e-tape”) em avaliações de rotina de pacientes para auxiliar na caracterização de seu estado de saúde.

Abstract

A avaliação do tamanho e composição corporal é comumente incluída no manejo de rotina de atletas saudáveis, bem como de diferentes tipos de pacientes para personalizar a estratégia de treinamento ou reabilitação. As análises antropométricas digitais descritas no protocolo a seguir podem ser realizadas com sistemas recentemente introduzidos. Essas novas ferramentas e abordagens têm o potencial de serem amplamente utilizadas em ambientes clínicos porque são muito simples de operar e permitem a coleta rápida de dados precisos e reprodutíveis. Um sistema consiste em uma plataforma giratória com uma placa de medição de peso, três câmeras infravermelhas e um tablet embutido em uma torre, enquanto o outro sistema consiste em um tablet montado em um suporte. Após a captura da imagem, o software de ambos os sistemas gera um avatar humanoide tridimensional não identificado com variáveis antropométricas e de composição corporal associadas. Os procedimentos de medição são simples: um sujeito pode ser testado em poucos minutos e um relatório abrangente (incluindo a varredura tridimensional e as medições de tamanho, forma e composição do corpo) é gerado automaticamente.

Introduction

A antropometria é o estudo das medidas físicas do corpo humano. Altura, peso, comprimento, dobras cutâneas e circunferências são medidas antropométricas comumente utilizadas e que se mostraram úteis para investigar pacientes com distúrbios endócrinos e metabólicos e para monitorar o crescimento, o envelhecimento e as adaptações de tamanho e composição corporal provocadas pela dieta e treinamento em atletas 1,2. Por exemplo, a avaliação das circunferências da cintura e do quadril mostrou-se útil para o manejo de pessoas com obesidade: ambas as circunferências avaliam a distribuição da adiposidade que pode ser considerada um preditor de mortalidade por todas as causas3.

As circunferências dos membros são frequentemente avaliadas na medicina reabilitadora e esportiva devido à sua utilidade para detectar e/ou monitorar a diminuição da massa magra apendicular (por exemplo, a circunferência da panturrilha é usada como um marcador simples e prático do músculo esquelético para diagnosticar músculo esquelético baixo e sarcopenia)1,2 e a assimetria entre membros que afeta tanto o desempenho físico quanto o risco de lesões em atletas e a qualidade de vida dos pacientes (por exemplo, pacientes oncológicos com edema unilateral das extremidades)1,2. Além disso, um grande número de modelos de previsão de composição corporal baseados em antropometria foi proposto nas últimas décadas para estimar a quantidade de massa gorda ou massa livre de gordura a partir de uma combinação de diferentes medidas antropométricas, como circunferências corporais ou espessuras de dobras cutâneas 1,2,4,5,6,7.

Como as medidas antropométricas convencionais (ou seja, baseadas em fita e paquímetro) podem não ser cultural ou socialmente aceitáveis e também exibem baixa confiabilidade8, houve a necessidade de desenvolvimento e validação de abordagens não invasivas, reprodutíveis e válidas. Sistemas de imagem óptica tridimensional (3D) recentemente desenvolvidos permitiram fornecer medições não invasivas, precisas e exatas 8,9,10,11, bem como câmeras digitais de consumo e smartphones oferecem ferramentas fáceis de usar e amplamente disponíveis, adequadas para serem usadas em ambientes clínicos e não clínicos para avaliar pacientes e indivíduos saudáveis 8,9,10,11,12,13,14,15,16,17,18,19,20. O objetivo do protocolo relatado na seção a seguir é descrever os procedimentos para avaliar o tamanho, a forma e a composição do corpo por meio de duas soluções comercialmente disponíveis para imagens ópticas 3D que se tornaram difundidas nos últimos anos, tanto no ambiente de saúde (para avaliar pacientes) quanto em ambientes não clínicos (para avaliar atletas).

Protocol

O protocolo segue as diretrizes de integridade em pesquisa do Politécnico de Turim21. A aquisição das imagens ópticas foi realizada dentro de pesquisas aprovadas pelos comitês de ética locais (os dados estão relatados nas legendas da Figura 1 e Figura 2) e os sujeitos investigados assinaram o termo de consentimento livre e esclarecido (para participação no estudo e publicação de imagens anonimizadas). 1. Preparação do assunto NOTA: Todas as preparações de pré-digitalização descritas nesta seção são semelhantes entre os procedimentos de teste #1 e #2. Peça ao sujeito que esteja vestido com roupas íntimas ou que use roupas mínimas (shorts se masculinos e shorts e sutiã esportivo se feminino), para remover meias, sapatos e acessórios e usar uma touca de natação para cobrir o cabelo. 2. Registro do sujeito para o procedimento de teste #1 Meça a altura do assunto usando um estadiômetro padrão. Inicie o aplicativo instalado no tablet (aplicativo #1 e tablet #1 na Tabela de Materiais) do sistema #1 que consiste em uma plataforma giratória com uma placa de medição de peso, três câmeras infravermelhas e o tablet embutido em uma torre (Figura 1A,B). Preencha o formulário de registro do assunto (Figura Suplementar S1), incluindo o nome, sobrenome, endereço de e-mail, senha, sexo (selecione masculino ou feminino), unidades de medida (selecione US ou métrica), etnia (selecione um dos seguintes grupos: não especificado, hispânico / latino, índio americano ou nativo do Alasca, asiático, negro ou afro-americano, nativo do Havaí ou de outras ilhas do Pacífico, Caucasiano), data de nascimento. Sinalize as três caixas de seleção (aceitação do contrato de termos de serviço, política de privacidade, isenção de responsabilidade) e toque no botão Enviar . Verifique se o sujeito está usando a touca de natação corretamente e toque no botão Avançar . Verifique se o sujeito está usando trajes adequados e toque no botão Avançar . Verifique se a área do scanner está livre (ou seja, mantenha as roupas fora da área de digitalização e certifique-se de que não haja luz solar ou material reflexivo na visualização do scanner) e toque no botão Avançar . Preencha o campo de medição de altura e toque no botão Avançar . Preencha os campos relacionados a métricas adicionais opcionais (% de gordura corporal [%GC], frequência cardíaca, pressão arterial sistólica e diastólica, água intracelular e extracelular) e toque no botão Enviar . 3. Procedimento de teste #1 Peça ao sujeito para subir na balança e ficar o mais imóvel possível sobre as pegadas (com os membros superiores e as mãos dos dois lados, sem tocar nas alças telescópicas) por 10 s para capturar o peso corporal (e sua distribuição). Peça ao sujeito para ficar em pé em uma postura A padronizada (com o ombro relaxado e os braços posicionados retos e abduzidos do tronco) enquanto segura as alças telescópicas para realizar a varredura corporal de acordo com as seguintes instruções (Figura 1A, B).NOTA: Uma varredura de corpo inteiro leva ~45 s durante a qual os sensores de profundidade de codificação de luz capturam a forma 3D à medida que a plataforma gira uma vez.Levante as alças até que os braços e as pernas estejam retos. Fique o mais imóvel possível. Mantenha a cabeça imóvel com os olhos para a frente. Pressione e segure os botões das alças até que a digitalização seja concluída. Saia da balança quando a verificação estiver concluída. Depois que o assunto sair da escala, toque no botão Sair . 4. Registro do sujeito para o procedimento de teste #2 Meça a altura e o peso do assunto usando uma balança padrão com um estadiômetro. Usando qualquer navegador da Web moderno instalado em um computador desktop ou laptop, vá para o painel do sistema #2 (painel de registro na Tabela de Materiais). Preencha o formulário de registro do assunto (Figura Suplementar S2), incluindo nome, sobrenome, número de telefone, endereço de e-mail, idade, sexo (selecione masculino ou feminino), peso e altura. Marque a caixa de seleção (aceitação dos termos de uso e política de privacidade) e toque ou clique no botão Inscrever-se para concluir a configuração da conta. Visualize a página de visualização da conta mostrando o código de resposta rápida (QR) exclusivo do sujeito, número de telefone e endereço de e-mail. Tire uma foto (por exemplo, com um telefone celular) do código QR. 5. Procedimento de teste #2 Inicie o aplicativo (aplicativo #2 na Tabela de Materiais) instalado no tablet do sistema #2 que consiste em um tablet montado em um suporte (tablet #2 e suporte de chão na Tabela de Materiais). Toque na tela do tablet e mostre o código QR. Toque no botão Iniciar . Peça ao sujeito para ouvir as instruções de áudio e assistir ao guia fornecido na tela. Peça ao sujeito para ficar sobre um tapete a uma distância padronizada do tablet, com os pés na guia dos pés (símbolo oval preto sobre o tapete) alinhados com o marcador verde dos pés mostrado na tela (Figura 2A). Peça ao sujeito para assumir uma “pose A frontal” (e manter a postura sem movimentos que possam causar um avatar malformado)10,22 com as pernas separadas, os braços abduzidos do tronco em um ângulo aproximado de 45° e as mãos fechadas em punhos para capturar a imagem frontal (Figura 2B). Após a captura da imagem frontal, peça ao sujeito para assumir uma “postura lateral” com os pés juntos, braços / mãos colocados retos nas laterais (ou seja, braços / mãos alinhados com e contra o tronco / coxas) e olhar para a frente para capturar a imagem lateral (Figura 2C). Após a captura lateral da imagem, informe ao sujeito que a varredura está concluída (o aplicativo exibe uma tela de agradecimento ).

Representative Results

Após a captura da imagem, o software do sistema #1 gera um avatar humanóide 3D não identificado (Figura 1C: nuvens de pontos são convertidas em uma malha conectada por triângulos com aproximadamente 25.000 vértices e 50.000 faces) e antropometria automatizada, que inclui comprimentos, circunferências, volumes, áreas de superfície e estimativas de composição corporal. O painel do sistema #1 permite que cada sujeito visualize (e baixe um relatório incluindo) a varredura 3D (Figura 1C), medidas de peso corporal, tamanho e forma (ou seja, classificação da forma corporal, circunferência da cintura, relação cintura-quadril, relação de volume tronco-perna), estimativas da taxa metabólica basal e composição corporal (ou seja, % de BF%, massa gorda, massa magra) e medidas de circunferência padrão (pescoço, busto, cintura, quadris, bíceps esquerdo e direito, antebraço esquerdo e direito, coxa esquerda e direita, panturrilha esquerda e direita). Além disso, os resultados das avaliações de postura e equilíbrio também podem ser visualizados e incluídos no relatório. Os resultados da avaliação da postura incluem as vistas frontal, lateral e traseira da varredura 3D com deslocamento associado (definido como uma parte do corpo que se move para uma posição inclinada e a taxa na qual ele se inclina em qualquer direção) e inclinação (definida como o movimento “deslizante” para frente, para trás, para a esquerda ou para a direita, uma ligeira mudança ou variação na posição do ponto central) medições: i) vistas frontal e posterior: medidas de deslocamento para a direita ou esquerda em relação ao plano sagital (representado como uma linha vertical entre os hemissomos direito e esquerdo) e percentuais de inclinação em relação ao transversal (plano horizontal) para cabeça, ombro, busto, quadril, joelho; ii) vista lateral: deslocar as medidas para frente ou para trás em relação ao plano frontal (coronal) (representado como uma linha vertical a partir da articulação do tornozelo) para cabeça, ombro, quadril, joelho. O resultado da avaliação do equilíbrio inclui a distribuição de peso durante a postura em pé para as regiões anterior e posterior dos pés direito e esquerdo. O painel do sistema #1 também permite que cada assunto faça o download do . OBJ e .GIF arquivos de imagem e um arquivo . CSV com as medidas antropométricas e estimativas de composição corporal listadas na Tabela 1. Todas as estimativas de composição corporal são obtidas usando algoritmos proprietários, com exceção da estimativa da taxa metabólica basal e do cálculo do índice de forma corporal que são obtidos, respectivamente, de acordo com o Mifflin-St. A equação de Jeor23 e a equação de Krakauer24 relatadas na Tabela 2. Após a captura da imagem, o software do sistema #2 gera um avatar humanóide 3D não identificado (Figura 2D: nuvens de pontos são convertidas em uma malha conectada por triângulos com aproximadamente 50.000 vértices e 100.000 faces) e antropometria automatizada, que inclui comprimentos, circunferências, volumes, áreas de superfície e estimativas de composição corporal. O painel do sistema #2 (painel de download de dados na Tabela de Materiais) permite que cada assunto faça o download. OBJ e .PNG arquivos de imagem e os três arquivos de imagem . Arquivos CSV: O arquivo “App Measures.csv” relata as seguintes medidas antropométricas e de composição corporal: peso, área de superfície corporal, %GC, tecido adiposo visceral, índice de aptidão, massa magra dos braços, massa magra das pernas, massa corporal magra, conteúdo mineral ósseo total, largura dos ombros, largura dos ombros traseiros (através do pescoço), circunferências do pescoço, axilas, bíceps (direita/esquerda), antebraço (direita/esquerda), punho (direita/esquerda), peito, underbust, busto (com gota), estômago, cintura, cintura tinta, quadris (tirado 8 polegadas para baixo da parte inferior das costas), assento, coxa (direita / esquerda), panturrilha (direita / esquerda), comprimento do pescoço à cintura, comprimento da manga (direita / esquerda), comprimento da virilha, costura interna, costura externa (direita / esquerda). O arquivo “Body Composition.csv” relata as seguintes medidas antropométricas e de composição corporal: gordura corporal, índice de massa corporal, área de superfície corporal, conteúdo mineral ósseo, índice de massa gorda, índice de aptidão, altura, índice de corpo magro, massa corporal magra, massa magra de braços, massa magra de pernas, taxa metabólica de repouso, circunferência do estômago, tecido adiposo visceral, relação cintura-estatura, relação cintura-quadril, peso. O arquivo “Core Measures.csv” relata as medidas antropométricas listadas na Tabela 1. Todas as estimativas de composição corporal são obtidas por meio de algoritmos proprietários, com exceção da estimativa da taxa metabólica basal e da estimativa do %GC que são obtidas, respectivamente, de acordo com a equação de Katch-McArdle25 e com as duas equações previamente desenvolvidas e validadas por Harty et al.26. Essas duas equações (%GC Equação 1 e Equação 2 na Tabela 2) são adotadas, respectivamente, para indivíduos com circunferência abdominal inferior <103,5 cm (<40,75 polegadas) e ≥103,5 cm (≥40,75 polegadas). Embora estudos anteriores tenham demonstrado a acurácia da Equação 1 para a estimativa do %GC em adultos saudáveis15,26, descobrimos recentemente que ela superestimou (em relação à absorciometria de raios-X de dupla energia) o %GC em atletas jovens18. Portanto, propusemos a reparametrização (Equação 3) relatada na Tabela 2 para fornecer uma estimativa precisa do %GC em jovens jogadores de futebol de ambos os sexos18. Além das variáveis de composição corporal listadas acima, a massa magra apendicular (ALM) também pode ser estimada para os exames realizados com o sistema #2 por meio da equação específica do dispositivo recentemente proposta por McCarthy et al.27 para indivíduos sedentários (Equação ALM 1 para homens e Equação ALM 2 para mulheres na Tabela 2) que adaptamos para estimativa de ALM em jovens atletas (Equação ALM 3 para homens e Equação ALM 4 para mulheres na Tabela 2)18. A Figura 3 mostra avatares representativos obtidos em um atleta do sexo masculino (índice de massa corporal: 26,0 kg/m2: Figura 3A, B) e uma pessoa com obesidade (índice de massa corporal: 44,0 kg / m2: Figura 3C, D) com o sistema # 1 (Figura 3A, C) e com o sistema # 2 (Figura 3B, D). As medidas antropométricas e estimativas de composição corporal obtidas pelo sistema #1 e sistema #2 para dois exames de ambos os indivíduos são relatadas na Tabela 3. As medidas de circunferência obtidas no atleta diferiram entre os exames obtidos com os dois sistemas (especialmente para pescoço, braços, quadris e pernas: os dados são relatados na Tabela 3). Os valores de %GC (médias dos dois exames) foram de 19,1% e 16,1% para os exames realizados com os sistemas #1 e #2, respectivamente, e os valores de massa magra (médias dos dois exames) foram de 69,7 kg e 72,2 kg. O valor médio da ALM para os exames realizados com o sistema #2 foi de 38,4 kg. As medidas de circunferência obtidas na pessoa com obesidade diferiram entre os exames obtidos com os dois sistemas (especialmente para cintura e pernas: os dados são relatados na Tabela 3). Os valores de %GC (médias dos dois exames) foram de 44,1% e 46,3% para os exames realizados com os sistemas #1 e #2, respectivamente, e os valores de massa magra (médias dos dois exames) foram de 67,9 kg e 64,9 kg. O valor médio do ALM para os exames realizados com o sistema #2 foi de 25,1 kg. Figura 1: Imagens tiradas com o sistema #1. (A,B) Pose A padronizada assumida e mantida por um sujeito masculino representativo durante a rotação da plataforma e (C) o avatar 3D relativo. A aquisição de imagens ópticas foi realizada dentro de uma pesquisa aprovada pelo comitê de ética da Universidade de Turim (protocolo n. 0115311). Clique aqui para ver uma versão maior desta figura. Figura 2: Imagens tiradas com o sistema #2. (A) Imagem de um sujeito masculino representativo em pé sobre um tapete com o símbolo da guia dos pés (símbolo oval preto sobre o tapete) alinhado com o marcador verde dos pés mostrado na tela do tablet do sistema #2. Aquisição das imagens (B) frontal e (C) lateral no sujeito representativo e (D) o avatar 3D relativo. A aquisição de imagens ópticas foi realizada dentro de uma pesquisa aprovada pelo comitê de ética da Universidade de Turim (protocolo n. 0115311). Clique aqui para ver uma versão maior desta figura. Figura 3: Avatares representativos obtidos com os sistemas #1 e #2. (A,B) Atleta do sexo masculino e (C,D) uma pessoa com obesidade investigada com (A,C) sistema #1 e (B,D) sistema #2. Cada sujeito foi submetido a dois exames, com reposicionamento: o avatar obtido no primeiro exame foi mostrado para ambos os sujeitos, enquanto as estimativas antropométricas e de composição corporal obtidas pelo sistema #1 e sistema #2 para dois exames de ambos os sujeitos são relatadas na Tabela 3. A aquisição de imagens ópticas foi realizada no âmbito de estudos de pesquisa aprovados pelo comitê de ética da Universidade de Turim (protocolo nº 0115311) e pelo Comitê de Ética Territorial (CET – protocolo nº 0065654). Clique aqui para ver uma versão maior desta figura. Tabela 1: Conjuntos de medidas estendidos para download no painel dos sistemas #1 e #2. Clique aqui para baixar esta tabela. Tabela 2: Equações para estimativa da taxa metabólica basal, percentual de gordura corporal e massa magra apendicular. Estimativas da taxa metabólica basal: as unidades de medida são kg para peso e massa magra, cm para altura e anos para idade. Uma estimativa do índice de forma corporal: as unidades de medida são m para a circunferência da cintura e a altura é medida, kg/m2 para o índice de massa corporal. Estimativa do percentual de gordura corporal: o sexo é codificado como masculino = 1 e feminino = 0, a área de superfície corporal é medida em cm2 e todas as demais variáveis indicadas como circ. são medidas em cm. O índice músculo-estômago é obtido como (circunda do bíceps direito + circunda do bíceps esquerdo + circunda da coxa direita + circunda da coxa esquerda + circunda da panturrilha direita + circunda da panturrilha esquerda) / circo máximo do estômago. Estimativa da massa magra apendicular: as unidades de medida são cm para todas as circunferências e comprimentos; cm2 para superfícies; cm3 para volumes; kg de peso; anos para a idade. Três equações desta tabela são de Minetto et al.18. Abreviaturas: TMB = taxa metabólica basal; ABSI = índice de forma corporal; %GC = percentual de gordura corporal; circ. = circunferências; ALM = massa magra apendicular; NHOPI = Nativos havaianos e outras ilhas do Pacífico. Clique aqui para baixar esta tabela. Tabela 3. Medidas de circunferência e estimativas de composição corporal obtidas pelos dois sistemas em cada um dos dois sujeitos representativos (um atleta e uma pessoa com obesidade). Clique aqui para baixar esta tabela. Figura Suplementar S1: Formulário de registro de sujeito para o procedimento de teste #1. Clique aqui para baixar este arquivo. Figura Suplementar S2: Formulário de registro de sujeito para o procedimento de teste #2. Clique aqui para baixar este arquivo.

Discussion

Os procedimentos apresentados neste artigo podem ser usados para avaliar o tamanho, a forma e a composição do corpo por meio de duas soluções comercialmente disponíveis para imagens ópticas 3D que foram previamente desenvolvidas e validadas 9,10,11,12,13,14,15,16,17,18,19,20 . Essas soluções são simples de operar e os dados válidos podem ser coletados rapidamente e organizados automaticamente em um relatório. Além disso, os sistemas apresentados permitem a coleta de dados reprodutíveis (como sugerido pela comparação dos resultados dos dois exames realizados com ambos os sistemas em nossos dois casos representativos e documentados por estudos anteriores)9,10,11,12,13,14,15,16,17,18,19,20 e, portanto, pode ser usado para monitorar as mudanças induzidas pelo treinamento ou dieta.

Como o sistema #2 tem um peso limitado (~4 kg no total para tablet e suporte), é facilmente portátil. No entanto, uma limitação do sistema #2 é que a geração de um avatar 3D a partir de imagens 2D pode produzir reconstruções 3D menos precisas do que as obtidas com o sistema #1, especialmente em pessoas com obesidade (como mostrado no exemplo representativo da Figura 3 C,D) ou em pacientes que apresentam anormalidades localizadas da forma do corpo (por exemplo, pacientes após cirurgia bariátrica apresentando excesso de pele problemático ou pacientes oncológicos com linfedema unilateral de membros superiores ou inferiores).

A disponibilidade de espaço adequado é fundamental para a aquisição da varredura com ambos os sistemas: é necessária uma área livre de 157 x 198 cm para o sistema #1 e de 86 x 166 cm para o sistema #2. Além disso, o sistema #2 exige que o assunto seja colocado perto de uma parede em branco, sem espelhos, pôsteres brilhantes ou janelas. Ambos os sistemas exigem que nenhuma luz solar natural e nenhuma superfície reflexiva esteja à vista das câmeras. Ambos os sistemas também requerem uma conexão de internet wi-fi constante e consistente para processar as digitalizações de forma eficaz.

A principal limitação dos procedimentos descritos acima é que eles exigem que o sujeito investigado seja capaz de assumir a posição em pé. Portanto, essas abordagens não podem ser usadas em pacientes gravemente enfermos (como pacientes neurológicos gravemente comprometidos ou pacientes críticos) que não conseguem sair da cama. Além disso, os sujeitos investigados devem ser capazes de manter a posição em pé (ou seja, pose A e pose lateral) sem movimentos que possam alterar a forma do avatar10,22 e enviesar a estimativa das circunferências corporais.

Uma limitação dos parâmetros descritos acima é que eles são obtidos usando algoritmos proprietários específicos do dispositivo: isso implica que as medições de tamanho, forma e composição do corpo são exclusivas do sistema de varredura específico. Portanto, comparar ou agrupar dados adquiridos com diferentes sistemas é impedido pela variabilidade analítica (ou seja, entre scanners). Consistentemente, as medidas de circunferência obtidas em nossos dois indivíduos representativos mostrados na Figura 3 diferiram entre os dois sistemas. No entanto, soluções agnósticas de dispositivo já foram desenvolvidas para superar essa limitação: essas soluções reformatam e editam a malha 3D, detectam automaticamente diferentes pontos de referência (como axilas, virilha e pés) e, em seguida, calculam as medidas do tamanho do corpo 28,29,30,31,32,33,34,35. Outra limitação dos parâmetros de composição corporal descritos acima é que eles são obtidos por meio de modelos convencionais de previsão baseados em antropometria. No entanto, estudos recentes mostraram que modelos baseados na forma corporal podem ser necessários para capturar informações sobre a composição corporal além das medidas antropométricas convencionais36,37.

Apesar de algumas limitações, a abordagem antropométrica digital deve ser considerada pronta para ser usada no ambiente clínico. Os sistemas de imagem 3D fornecem medições não invasivas que podem ser mais aceitáveis em comparação com as medições manuais (baseadas em fita e/ou paquímetro) que se baseiam na identificação de pontos de referência anatômicos por meio de observação e palpação. Além disso, a varredura óptica 3D também é mais rápida em comparação com outras investigações (por exemplo, ressonância magnética e absorciometria de raios-X de dupla energia) comumente adotadas em ambientes clínicos e de pesquisa para avaliação do tamanho e composição corporal. Além disso, como é relativamente barato e livre de radiação, é seguro ser usado para varreduras subsequentes (por exemplo, a aquisição da imagem pode ser repetida de forma fácil e rápida se o experimentador notar movimentos corporais ou um posicionamento inadequado do membro que pode produzir mudanças na forma do avatar) e para investigações repetidas38, bem como seguro para ser usado em populações especiais (como crianças, adolescentes e gestantes)35,39.

Os médicos poderiam, portanto, implementar a aquisição de biomarcadores inovadores e úteis (medições “e-tape” e estimativas derivadas da composição corporal) em avaliações de rotina de indivíduos saudáveis (por exemplo, atletas) para auxiliar na previsão e caracterização de seu desempenho físico e risco de lesão 40,41,42,43 bem como para monitorar a recuperação de lesões. Por exemplo, a força das pernas e a simetria da massa magra influenciam o desempenho físico e o risco de (re)lesões44. Portanto, a recuperação de uma simetria normal das circunferências coxa/panturrilha pode ser incluída entre os objetivos gerais a serem considerados para o retorno ao jogo45. A avaliação rotineira dos pacientes também poderia ser melhorada com a integração da antropometria digital na assistência à saúde. A avaliação das circunferências e da forma corporal (que é impulsionada pela distribuição interna dos tecidos moles e adiposos) pode ser útil para detectar o músculo de baixa massa (por exemplo, em pacientes com suspeita de ser sarcopênico), para prever o risco de doença metabólica46, para avaliar o resultado de um procedimento cirúrgico, bem como para monitorar o progresso do paciente após uma intervenção38. Pacientes com doenças que têm componentes nutricionais como principais contribuintes para sua fisiopatologia podem se beneficiar especificamente do monitoramento longitudinal do tamanho e composição corporal para reduzir os sintomas e condições coexistentes47. Por exemplo, no caso do manejo da obesidade baseado em dieta e/ou medicamentos, pode não ser apropriado monitorar apenas o peso porque a conhecida “regra geral 25/75” (ou seja, a suposição geral de que a perda de peso é tipicamente 25% de perda de massa livre de gordura e 75% de perda de gordura) pode não descrever com precisãoa eficácia da intervenção 38 que poderia ser desvendada pela avaliação baseada em antropometria da quantidade relativa de perda de músculo e gordura. Além disso, a antropometria digital, integrada à saúde, tem o potencial de expandir os serviços de saúde para locais remotos, melhorando assim a assistência e a adesão do paciente e reduzindo os custos de saúde.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Os autores agradecem ao Dr. Federico Della Vecchia e ao Dr. Alessandro Cairo (Universidade de Turim) por seu valioso apoio na preparação do manuscrito. Este trabalho foi apoiado por doações da Fondazione CRT (Turim, Itália), da Universidade de Turim (Fondo per la Ricerca Locale – ex-60%) e dos Institutos Nacionais de Saúde (bolsa R01DK109008, Shape UP! Adultos).

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
DOWNLOAD MATERIALS LIST

References

  1. Heymsfield, S. B., Lohman, T., Wang, Z. M., Going, S. Human body composition-2nd edition. Human Kinetics. , (2005).
  2. Lohman, T. G., Milliken, L. A. ACSM’s Body composition assessment. Human Kinetics. , (2020).
  3. 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).
  4. 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).
  5. 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).
  6. Duarte, C. K., et al. Prediction equations to estimate muscle mass using anthropometric data: a systematic review. Nutr Rev. 81 (11), 1414-1440 (2023).
  7. 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).
  8. Minetto, M. A., et al. Digital anthropometry for body circumference measurements: European phenotypic variations throughout the decades. J Pers Med. 12 (6), 906 (2022).
  9. 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).
  10. 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).
  11. Heymsfield, S. B., et al. Digital anthropometry: a critical review. Eur J Clin Nutr. 72 (5), 680-687 (2018).
  12. 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).
  13. 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).
  14. Smith, B., et al. Anthropometric evaluation of a 3D scanning mobile application. Obesity (Silver Spring). 30 (6), 1181-1188 (2022).
  15. 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).
  16. 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).
  17. 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).
  18. 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).
  19. 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).
  20. 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).
  21. . Politecnico di Torino Available from: https://www.polito.it/sites/default/files/2023-05/Research%20Integrity%20POLITO_EN.pdf (2024)
  22. 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).
  23. 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).
  24. 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).
  25. 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).
  26. 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).
  27. 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).
  28. 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).
  29. 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).
  30. Sobhiyeh, S., et al. Digital anthropometric volumes: Toward the development and validation of a universal software. Med Phys. 48 (7), 3654-3664 (2021).
  31. 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).
  32. 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).
  33. 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).
  34. 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).
  35. 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).
  36. 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).
  37. 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).
  38. 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).
  39. Morse, S., et al. Machine learning prediction of combat basic training injury from 3D body shape images. PLoS One. 15 (6), e0235017 (2020).
  40. 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).
  41. 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).
  42. 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).
  43. 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).
  44. 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).
  45. 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).
  46. Heymsfield, S. B., Shapses, S. A. Guidance on energy and macronutrients across the life span. N Engl J Med. 390 (14), 1299-1310 (2024).

Tags

3D Optical ImagingAnthropometricsBody CompositionClinical AssessmentDigital AnthropometryHumanoid AvatarPersonalized TrainingRehabilitation StrategyWeight Measurement

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Cite This Article
Minetto, M. A., Busso, C., Ferraris, A., Pietrobelli, A., Shepherd, J. A., McCarthy, C., Heymsfield, S. B. Clinical Anthropometrics and Body Composition from 3-Dimensional Optical Imaging. J. Vis. Exp. (208), e66698, doi:10.3791/66698 (2024).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image