Routinemäßiges CT-Screening kann das Diabetesrisiko durch Deep-Learning-Algorithmen identifizieren.

Routinemäßiges CT-Screening kann das Diabetesrisiko durch Deep-Learning-Algorithmen identifizieren.

Eine neue Studie zeigt, dass regelmäßige Gesundheitsuntersuchungen mit CT-Scans Personen identifizieren können, die ein erhöhtes Risiko für Typ-2-Diabetes haben, was das Potenzial der opportunistischen Bildgebung hervorhebt, bei der routinemäßige Bildgebung verwendet wird, um umfassendere Gesundheitsinformationen zu sammeln. Die Studie wurde in der Zeitschrift Radiology veröffentlicht und von Forschern in Korea durchgeführt, um die Wirksamkeit von automatisierten CT-abgeleiteten Markern bei der Vorhersage von Diabetes und damit verbundenen kardiometabolischen Erkrankungen zu bewerten. Es wurden 32.166 Erwachsene im Alter von 25 Jahren und älter einbezogen, die sich einer Gesundheitsuntersuchung mit 18F-Fluordesoxyglukose (18F-FDG) PET/CT unterzogen. Die Analyse ergab, dass viszerales Fett die höchste Vorhersageleistung sowohl für vorhandenen als auch für neuen Diabetes aufwies. Die kombinierte Verwendung mehrerer Marker, wie viszerales Fett, Muskelmasse, Leberdichte und Aortenverkalkung, verbesserte die Vorhersagegenauigkeit.

Die Studie ergab, dass die automatisierte Multiorgan-CT-Analyse Personen mit hohem Risiko für Diabetes und andere kardiometabolische Begleiterkrankungen effektiver identifizierte als herkömmliche Risikofaktoren. Diese CT-abgeleiteten Marker identifizierten auch andere Erkrankungen wie Fettleber, Koronararterienkalziumwerte über 100, Osteoporose und Sarkopenie. In der klinischen Praxis könnten diese CT-abgeleiteten Marker die Diabetes-Früherkennung und Risikobewertung verbessern und persönlichere und rechtzeitigere Interventionen ermöglichen. Die Forscher planen, ihre Erkenntnisse in vielfältigeren Bevölkerungsgruppen zu validieren und die Integration von CT-abgeleiteten Markern mit anderen diagnostischen Werkzeugen zu erforschen.