Eurotransplantシニアプログラムにおける腎臓移植片と患者の生存に対する人工知能由来の体組成の影響
Jul 13, 2022
概要：
Eurotransplantシニアプログラムは、腎臓を高齢の移植患者に割り当てます。 このレトロスペクティブ研究は、人工知能（AI）ベースの組織セグメンテーションを使用して患者と腎臓移植の生存を予測するコンピューター断層撮影（CT）体組成の使用を調査することを目的としています。 第3腰椎レベルでの体組成は、42人の腎臓移植レシピエントで分析されました。 1-年、3-年、および5-年の患者の生存、1-年、3-年、および5-年の検閲のCox回帰分析腎移植生存率、および1-年、3-年、および5-年の無修正腎移植生存率が実施されました。 まず、ボディマス指数（BMI）、大腰筋指数（PMI）、骨格筋指数（SMI）、内臓脂肪組織（VAT）、および皮下脂肪組織（SAT）が独立した変量として機能しました。 第二に、サルコペニアと肥満のカットオフ値は、独立した変量として機能しました。 1-年の無修正および打ち切り腎移植の生存率は、PMIの低下（それぞれp=0.02およびp= 0。03）およびSMIの低下（p= 0）の影響を受けました。 01およびp= 0。03、それぞれ）; 3-年の打ち切り腎移植の生存率はVATの増加（p=0。04）の影響を受け、3-年の打ち切り腎移植の生存率はSMIの低下（p=0）の影響を受けました。 05）。 さらに、サルコペニアは1-年の無修正腎移植生存率に影響を及ぼし（p=0。05）、肥満は3-年および5-年の無修正腎移植生存率に影響を及ぼしました。 要約すると、AIベースの体組成分析は、短期および長期の腎移植の生存を予測するのに役立つ可能性があります。 キーワード：腎臓移植; 移植; Eurotransplantシニアプログラム（ESP）; 体組成; コンピュータ断層撮影（CT）; 人工知能（AI）。
腎臓のためのCistanchetubulosa錠をクリックしてください
1.はじめに
高齢化社会では、サルコペニア、悪液質、および肥満に苦しむ患者は、長期の入院、周術期の合併症、および全体的な生存率の低下のリスクがあるため、虚弱は医療が直面する最大の課題の1つです[1,2]。 したがって、リスクのあるこれらの患者を適切に特定することが望ましい。 ボディマスインデックス（BMI）とは異なり、人工知能（AI）ベースの体組成分析では、骨格筋インデックス（SMI）、大腰筋インデックス（PMI）などの筋肉および脂肪組織パラメーターを使用して、さまざまな組織の相対的な比率を区別できます。内臓脂肪組織（VAT）、および皮下脂肪組織（SAT）[3]。 さらに、体組成分析を使用して、性別のカットオフ値を使用して低筋肉量の存在として定義されるサルコペニア、およびサルコペニアと肥満の両方の組み合わせの存在として定義されるサルコペニア肥満を検出できます[4]。 。 この種の個々の体組成分析から得られた代謝情報は、虚弱な患者（例えば、筋肉量が減少し重度の肥満を伴う正常なBMIを有するサルコペニア性肥満の患者）を特定することができます[5]。 末期腎疾患の65歳以上の腎移植レシピエントは、血液透析治療よりも生存率と生活の質が優れているため、Eurotransplant Senior Program（ESP）で移植された腎臓を割り当てられるというメリットがあります[6,7]。 。 生存率の利点にもかかわらず、腎臓移植レシピエントは、一般集団と比較して依然として高い死亡率を示しています[8]。
臓器不足と周術期の罹患率は、最適な結果を確実にするために潜在的な腎移植レシピエントの注意深い精密検査を必要とします。 心血管疾患、動脈性高血圧、糖尿病は別として、術前の虚弱は死亡のリスクが高く、移植片機能の遅延と関連しています[9,10]。 さらに、外科的合併症と移植片機能の遅延は、肥満患者でより一般的です[11,12]。 特に高齢の糖尿病患者では、末梢血管疾患が移植片虚血のリスクを高めるため、腹部と骨盤のコンピューター断層撮影（CT）スキャンを定期的に行って腸骨石灰化を検出します[13]。 一般に、CTから得られた情報は、最適な移植片の位置決めを計画するためにのみ使用されます[14]。 しかし、これらの画像検査は、体組成の追加の術前分析にも簡単に使用できます[15]。 CT体組成パラメーターは、多くの心血管疾患および腫瘍性疾患の転帰予測因子として特定されています。 たとえば、体組成は、マルファン症候群または重度の合併症における生命を脅かす大動脈肥大の進行、長期の入院、および食道癌の全生存期間を予測することが報告されています[16、17]。 さらに、腹部肥満は冠状動脈性心臓病を予測することがわかっており、PMIは経カテーテル大動脈弁留置術を受けている患者の転帰を予測しているようです[18,19]。 この研究では、AIベースの体組成パラメーターが1-年、3-年、および5-年の患者の生存、1-年、3-年に影響を与える可能性があると仮定しています。 ESPの高齢腎移植レシピエントにおける5-年の打ち切り腎移植生存率、および1-年、3-年、および5-年の無修正腎移植生存率。 腎臓移植の古い候補者の初期評価には、腹部と骨盤のCT検査が日常的に含まれるため、CTデータを使用して、個々の体組成の遡及的AIベースの分析を行い、患者と移植片の生存の可能性のある画像予測因子と画像リスク要因を特定しました。 。
2。材料と方法
2.1。 研究デザイン
この単一施設の研究では、移植前の初期評価のために腹部と骨盤のCTスキャンを受けたESPからの腎臓移植レシピエントの遡及的データセットで体組成を分析しました。 この研究は、機関の審査委員会によって承認され、ヘルシンキ宣言に従って実施されました。
2.2。 患者の母集団と特徴
65歳以上のESPからの腎移植レシピエントは、初期評価のために下腹部と骨盤のCTを受けていた場合、この研究に含まれました。 彼らは外科または腎臓科からCTのために紹介されました。 含まれるすべての患者は、2011年から2016年の間に私たちの大学移植センターで単独腎移植を受けました。除外基準は、手術前にCTスキャンを受けておらず、高齢の患者でした。<65 years.="" additionally,="" patients="" were="" excluded="" if="" their="" ct="" images="" did="" not="" include="" the="" third="" lumbar="">
2.3。 ベースラインデータ
下腹部と骨盤のCTスキャンに3番目の腰椎が含まれていなかったため、2人の患者を除外する必要がありました。 移植時の平均年齢が69±4歳（範囲：65〜80歳）の合計42人の患者がこの研究に含まれました：13人の女性と29人の男性。 平均体重は78±14kg、平均身長は171±8cmでした。 BMIは、次の式を使用して計算されました。BMI =体重/高さ2（kg / m2）：平均BMIは27±7でした。ほぼすべての患者が、免疫抑制の維持のためにバシリキシマブとTac / MMF/MPを投与されました。 1人の患者は誘導のためにrATGを受け、別の患者は永続的な免疫抑制のためにCyA/エベロリムス/MPを受けました。 腎移植レシピエントとドナー臓器のさらなる臨床的特徴を表1にまとめています。
2.4。 データ収集、フォローアップ、およびエンドポイント
すべてのデータは、患者の記録と臨床データベースから取得されました。 31人の腎臓移植レシピエントが3-ヶ月間隔で当大学移植センターのアフターケアに参加し、11人の腎臓移植レシピエントが地元の腎専門医または一般開業医によってフォローアップされました。 移植後1年、3年、5年の追跡率は100％でした。 エンドポイントは、1-年、3-年、および5-年の患者の生存と、1-年、3-年、および5-年の打ち切りとして定義されました。移植の生存と検閲されていない（=は死のために検閲されていない）移植の生存。
2.5。 体組成分析
放射線科および外部の場所で取得された利用可能なCTデータセットは、体組成の分析に使用されました。 画像セグメンテーションは、畳み込みニューラルネットワークU-net（Visageバージョン7.1、Visage Imaging GmbH、ベルリン、ドイツ）を使用したAIベースの自動ソフトウェアツールで実行されました。 ネットワークは9つのブロックで構成されています。4つのダウンサンプリングブロック、4つのアップサンプリングブロック、およびその間の1つです。 トレーニングデータは、L3レベルの200のアキシャルCT画像で構成され、ネットワークの一般化を改善するためにトレーニング中に拡張が適用されました。 大腰筋、骨格筋、内臓脂肪組織、および皮下脂肪組織は自動的に分離され、異なる色でコード化されました。 自動セグメンテーションは、経験豊富な放射線科医によってチェックされました。 いくつかのケースでは、たとえば腸の低密度便が体脂肪と誤解された場合など、AIベースの画像セグメンテーションが手動で修正されました。 ソフトウェアは、セグメント化された各組織クラスの平方センチメートル（cm2）単位の面積とハウンズフィールド単位の密度を自動的に計算しました。 骨格筋、内臓脂肪組織（VAT）、およびL3の皮下脂肪組織（SAT）の領域は、体組成分析のために導き出されました。 大腰筋指数（PMI）は、次の式を使用して計算されました：大腰筋面積（cm2）/体表面積（m2）。 骨格筋指数（SMI）は、骨格筋面積（cm2）/体表面積（m2）の式を使用して計算されました。 AIベースの体組成の自動分析の例を図1に示します。
2.6。 誘導および維持免疫抑制
導入療法の選択は、免疫学的リスクに基づいていました。 免疫学的リスクが低い腎臓移植レシピエントは、バシリキシマブによるインターロイキン-2受容体遮断を受け、免疫学的リスクが高いレシピエントは、rATGによるリンパ球枯渇誘導を受けました。 一次免疫抑制は、カルシニューリン阻害剤（CNI）、タクロリムスまたはシクロスポリン、代謝拮抗剤（ミコフェノール酸モフェチル（MMF）、ミコフェノール酸（MPA）またはアザチオプリン）、およびステロイドの3剤併用で構成されていました。 ステロイド治療は、4mgのメチルプレドニゾロン/日の用量まで8週間にわたって漸減されました。
2.7。 統計分析
{{0}}年、3-年、および5-年の患者生存率と腎移植生存率の分析では、多変量Cox回帰が実行され、p0.05以下は有意差を示すと考えられます。 カプランマイヤー曲線を3-年および5-年の無修正腎移植生存率についてプロットし、ログランク検定を実施しました。 すべてのデータ分析は、IBM SPSS Statisticsバージョン27（International Business Machines Corporation、IBM、米国ニューヨーク州アーモンク）を使用して実行されました。 1-年、3-年、および5-年の患者の生存と、1-年、3-年、および5-を含む各アウトカムエンドポイントについて打ち切られた移植の生存年と1-年、3-年、および5-年の打ち切られていない移植の生存、従属変異体は患者または腎臓移植の死亡として定義されました。 まず、BMIとAIから派生した体組成パラメーターPMI、SMI、VAT、およびSATは独立したバリアントとして機能しました。 第二に、サルコペニアのカットオフは、SMIが女性で38.5 cm2 / m2以下、SMIが男性で52.4 cm2 / m2以下、および肥満（BMIが30以上）として定義されています。独立した変量として。 交絡因子の可能性がある年齢は除外されました。 男性と女性の特定のカットオフを定義することにより、性別が含まれました[20]。
3.結果
3.1。 AIベースのボディ
構成パラメータとカットオフすべてのAIベースの体組成パラメータは、第3腰椎レベルで導出されました。 平均PMIは5.4±1.9cm2/ m2であり、平均SMIは42でした。0±7.6 cm2/m2。 平均VATは203.0±123.3mm2、SAT204.7±91.2mm2でした。 13人の患者（31パーセント）はサルコペニアを患い、11人の患者（26パーセント）は肥満を患い、5人の患者（12パーセント）はサルコペニアの肥満を患っていました。 すべての結果は表2にまとめられています。
3.2。 独立した変量としてBMIおよびAIから派生した体組成パラメータを使用したCox回帰分析
1年、3-年、および5-年の患者の生存は、BMI、またはPMI、SMI、VAT、SATなどのAI由来の体組成パラメーターによって予測されませんでした。 すべての結果を表3にまとめています。1年間の打ち切り腎移植の生存率は、PMIの低下（p=0。03）とSMIの低下（p=0。03）によって有意に予測されました。 3-年の打ち切り腎移植の生存率はSMIの低下によって有意に予測されましたが（p=0。05）、5-年の打ち切り腎移植の生存率はBMIまたはAI由来の身体によって予測されませんでした構成パラメーター。 すべての結果を表4にまとめています。1年間の無修正腎移植生存率は、PMIの低下（p=0。02）とSMIの低下（p=0。01）によって有意に予測されました。 対照的に、3-年の無修正腎移植生存率はVATの増加によって有意に予測されましたが（p=0。04）、5-年の無修正腎移植生存率はBMIまたはAIによって予測されませんでした-派生体組成パラメーター。 すべての結果は表5にまとめられています。
3.3。 カットオフ独立変量としてサルコペニアと肥満を用いたコックス回帰分析
サルコペニアと肥満のカットオフ値は、1-年、3-年、または5-年の患者の生存に影響を与えませんでした。 結果は表6にまとめられています。
4。議論
この後ろ向き研究では、Eurotransplantシニアプログラムで腎臓移植の生存とレシピエントの生存を予測するための人工知能ベースの体組成分析の有用性を評価しました。 結果のエンドポイントは、患者と移植の1-年、3-年、および5-年として定義されました。 腎臓移植後5年間の追跡期間にわたって、患者全体と移植片の生存率を分析することにより、体組成パラメーターを可能な結果予測因子としてテストしました。 1-年の打ち切りおよび無打ち切り移植生存率について、移植片喪失の重要な予測因子として、より低いPMIおよびSMIを特定しました。 3-年の打ち切り腎移植の生存率は、VATの上昇によって大きく影響を受けましたが、3-年の打ち切り腎移植の生存率は、SMIの低下によって大きく影響を受けました。 さらに、サルコペニアは1-年の無修正移植片の生存を有意に予測しました。 長期の3-年および5-年の生存分析により、肥満は無修正移植生存の12の危険因子の重要な生物医学2022、10、554 9として特定されました。 対照的に、レシピエントの生存は、BMIまたはAI由来の体組成パラメーターのいずれによっても有意な影響を受けませんでした。 臓器の利用可能性が限られているため、腎移植の候補者の脆弱性の術前評価は重要でした。 BMIは、肥満の不確実な診断指標ですが、一般的に使用される患者の健康状態の指標です[21,22]。 たとえば、サルコペニアと正常なBMIの患者で、BMIと肥満の不一致が疑われる場合は、より高度な評価が必要です[23]。
L3でのCT体組成の分析は、患者の体力の客観的測定を可能にすることが示されました[24,25]。 私たちの研究では、患者の31％がサルコペニアであり、これはCTで検出されましたが、BMIでは検出されませんでした。 興味深いことに、サルコペニアは腎臓移植後の最初の年の移植生存率を予測しましたが、3-年または5-年の生存率は予測しませんでした。 これは、サルコペニアが術後合併症と関連しており、移植の早期生存に影響を与える可能性があるという事実に起因している可能性があります[26]。 腎臓移植から3〜5年後、患者の健康状態は回復し、結果に影響を与えなくなった可能性があります[27]。 過去には、肥満の腎臓レシピエントは移植片喪失率が高く、すべての原因による死亡率が高かったため、肥満は危険因子と見なされていました。 それ以来、Nicolettoetal。 肥満および非肥満の腎臓レシピエントについて同じ移植片および患者の生存率を報告している[28]。 Tzvetanovetal。 腎臓移植は肥満患者でも可能であることを示しています[29]。 私たちの結果は、脂肪組織の量と肥満のカットオフ値の両方を反映する体組成パラメーターVATとSATが、患者の全体的な生存のリスク層別化に役立たないことを示しました。 ただし、VATは、3-年の無修正腎移植生存の重要な危険因子として浮上しました。 私たちの発見と一致して、真鍋らによる最近の研究。 内臓脂肪領域が腎臓病の進行と有意に関連していることを示した[30]。 さらに、肥満は3-年および5-年の無修正腎移植の生存に有意な影響を及ぼしました。 私たちの研究の結果は私たちの臨床経験と一致しました：AI由来の体組成パラメーターSMI / PMIとサルコペニアカットオフ値によって表される虚弱は重要な周術期の危険因子ですが、太りすぎはAI由来の体組成パラメーターによって表されますVATと肥満のカットオフ値は、多くの心血管疾患に関連しているため、長期的な結果にはるかに関連するようになります。 打ち切りと無打ちの腎臓移植の生存率の違いは、後者には患者の死亡が含まれているという事実に起因すると考えられます。これは、虚弱と太りすぎの影響を受けている可能性があります。 移植片の生存とは異なり、短期および長期の患者の生存は、AI由来の体組成パラメーターまたはBMIによって予測されませんでした。また、これらのパラメーターは、患者の全体的な生存のリスク層別化にも役立ちませんでした。 考えられる理由は、特に高齢の腎移植レシピエントは、冠状動脈疾患、糖尿病、高血圧などの併存疾患に苦しんでおり、これらはすべて死亡の危険因子であるということかもしれません[31,32]。
体組成分析は、特に心血管疾患および悪性疾患の患者において、予後およびリスク層別化の有用な指標です[5,33]。 サルコペニアとサルコペニア性肥満はどちらも心血管疾患の危険因子ですが、悪性腫瘍の好ましくない転帰や術後の回復の長期化にも関連しています[34–37]。 CTは、L3レベルで取得された単一のアキシャル画像から体組成の信頼できる分析を可能にします[15,38]。 SliceOmaticやHorosなどの非AIベースの体組成分析用のほとんどのソフトウェアツールは、領域が拡大するピクセルしきい値を使用します[39]。 ただし、CTデータセットのこれらの手動または半自動のセグメンテーション手順は時間がかかるため、少数の患者集団に限定されています。 AIベースの体組成分析を使用すると、これらのデータセットの後処理時間が大幅に短縮されます[40]。 私たちの研究では、追加の放射線被曝なしに貴重な代謝情報を提供する、確立された完全自動のAIベースのソフトウェアツールを使用しました。 この研究では、AIに基づく体組成パラメーターの分析が、短期および長期のレシピエントと、高齢の腎臓移植レシピエントの移植生存率に及ぼす影響について初めて説明しました。
私たちの研究は、遡及的データセットの使用と比較的少数の研究集団によって制限されていました。 高齢の腎臓移植レシピエントは、特に複数の併存疾患に苦しんでおり、移植片の生存と患者の生存の両方に影響を及ぼしている可能性があります。
5。結論
腎臓レシピエントの生存は、AI由来の体組成パラメーターでは予測できません。 ただし、AIベースの体組成分析は、短期および長期の腎臓移植の生存を予測するのに役立ちます。体組成パラメーターPMIとSMIはどちらも筋肉組織を表し、サルコペニアは1-年の移植生存を予測しますが、肥満は脂肪組織を表すVATは、3-年および5-年の腎臓移植の生存を予測します。 したがって、AIに基づく体組成の分析は、最適な結果を達成するために特別なケアと個別の意思決定を必要とするリスクのある患者を特定するのに役立つ可能性があります。
詳細情報：Ali.ma@wecistanche.com