Truveta 发表在《放射学进展》上的研究引入了新的人工智能模型，可根据胸部 X 光照片估计身体成分

华盛顿州贝尔维尤，2025 年 10 月 29 日（环球通讯社）--Truveta 自豪地宣布在《放射学进展》杂志上发表最新的同行评审研究：“XComposition：使用胸部 X 线照片和临床数据测量身体成分的多模式深度学习模型。”这项开创性的研究展示了人工智能通过简单的胸部X光片结合常用临床数据来估计关键身体成分指标（例如内脏和皮下脂肪体积）的能力。该深度学习模型可作为 Python 库供其他人在 Truveta 的 GitHub 上进行实验。主要发现研究团队开发了一种多模式深度学习模型，该模型将胸部 X 光片 (CXR) 与四个基本临床变量（年龄、出生性别、身高和体重）相结合，以估计通常通过 CT 扫描测量的身体成分。该研究分析了来自美国 Truveta 成员健康系统子集的 1,100 多名患者的数据。多模式模型准确估计了皮下脂肪体积（Pearson’s R：0.85）和内脏脂肪体积（Pearson’s R：0.76）。后期融合策略（在决策层面结合影像和临床数据）产生了最佳结果（皮下脂肪 p < 0.04）体积）。多模式模型在所有关键身体成分指标上均优于仅成像和仅临床方法（皮下脂肪体积 p < 0.001）。为什么重要身体成分是心血管疾病、糖尿病和癌症预后的重要预测因子。测量这些指标的传统方法（例如 MRI 或 CT）价格昂贵、资源密集，而且患者并不总是能够使用。这项研究表明，胸部 X 光检查是最常见、最广泛使用的成像测试之一，与人工智能相结合，可以作为一种低成本、可扩展的工具来估计身体成分。“我们的工作表明，我们可以从胸部 X 光检查中获得具有临床意义的见解，这项检查每年有数百万人接受，”Truveta 机器学习博士后研究员、该研究的主要作者 Ehsan Alipour 医学博士说。 “通过将成像与一些简单的临床变量相结合，我们创建了一种强大且易于使用的方法来估计身体成分，这有助于改善筛查、研究和最终的患者护理。”关于该研究这项研究利用了 Truveta Data，这是美国最完整、最及时、最具代表性的去识别化电子健康记录 (EHR) 数据集，由领先的卫生系统集体提供。成像数据与整个卫生系统的临床变量相关联，从而能够开发和验证这种多模式 AI 模型。完整论文可在《放射学进展》中找到。关于 TruvetaTruveta 是一家现实世界的情报公司，利用前所未有的数据和预测性 AI 来改变医学科学。我们推动突破性发现，加速监管级证据，并从由美国卫生系统独特构建和拥有的数据集中解锁实时见解，以用数据拯救生命为使命。Truveta 会员包括 Providence、Advocate Health、Trinity Health、Tenet Healthcare、Northwell Health、AdventHealth、Baptist Health of Northeast Florida、Baylor Scott & White Health、Bon Secours Mercy Health、CommonSpirit Health、Hawaii Pacific Health、 HealthPartners、Henry Ford Health System、HonorHealth、Inova、Lehigh Valley Health Network、MedStar Health、Memorial Hermann Health System、MetroHealth、Novant Health、Ochsner Health、Premier Health、Saint Luke’s Health System、Sanford Health、Sentara Healthcare、Texas Health Resources、TriHealth、UnityPoint Health、Virtua Health 和 WellSpan Health。附件Truveta 科学家使用胸部开发并验证了多模式深度学习模型来自 Truveta Data 的 X 光照片和去识别化的电子健康记录。多模式 AI 的性能优于单源模型。后期融合多模态模型在几乎所有身体成分测量中都取得了最佳性能，显着优于仅成像和仅临床方法。