千佛山医院 | Total-body PET/CT 骨代谢

  • 文章解读:陈亦新(博一)
  • 文章转自微信公众号:机器学习炼丹术(已授权)

第一篇文章

abstact

越来越多的研究表明,骨骼是一个内分泌器官。关于活体内人类骨骼葡萄糖的摄取和分布,目前的理解还很有限。为了解决这个问题,作者采用了total body PET来阐明骨骼葡萄糖摄取的详细情况。共着迷了41名健康参与者。其中两人接受了为期1小时的动态全身18FFDG的PET扫描,所有参与者接受了10分钟的静态全身18FFDG的扫描。从动态和静态数据中分别计算了net influx rate( <math xmlns="http://www.w3.org/1998/Math/MathML"> K i K_i </math>Ki)和标准化摄取值。

结果表明,与肝脏等代谢器官比较,脊椎、髋骨和头骨的 <math xmlns="http://www.w3.org/1998/Math/MathML"> K i K_i </math>Ki和SUL (standardized uptake value normalized by lean body mass)。还发现与年龄和超重相关的骨骼葡萄糖摄取的趋势。总结表明,骨骼是一个重要的葡萄糖摄取部位,并且骨骼葡萄糖可能受到年龄和代谢失调的影响。

1 intro

人类骨骼是一个多功能器官,通过两种类型的骨细胞------破骨细胞和成骨细胞的高度相反作用,不断地进行改造。破骨细胞负责吸收老化和损坏的骨组织,而成骨细胞形成新的骨组织。骨吸收和骨形成过程需要大量能量,当能量需求得不到满足时,骨改造就会受到抑制。最近的研究表明,骨骼和葡萄糖稳态之间存在交叉作用。在糖尿病和肥胖等常见慢性疾病中,骨骼在调节葡萄糖稳态方面的功能对决定骨骼脆性和骨质疏松性骨折至关重要。因此,研究人体骨骼的葡萄糖代谢具有临床意义。

最近的进展表明,骨骼不仅是结构支架,也是参与调节葡萄糖稳态的内分泌器官。成骨细胞特异性合成和分泌的骨基质蛋白------骨钙素,已在动物基础研究中发现,可以作用于胰岛β细胞,促进胰岛素分泌并提高胰岛素敏感性。破骨细胞在葡萄糖代谢中也发挥着关键作用。除了基础研究外,葡萄糖代谢成像也非常重要,因为它可以在活体动物和人类中检测葡萄糖的摄取及其分布。标记的葡萄糖类似物,如18F-氟脱氧葡萄糖(18F-FDG),可用于通过正电子发射断层摄影(PET)成像量化葡萄糖的利用和摄取。此前对小鼠的PET成像研究表明,骨骼积累了大量的18F-FDG总剂量,胰岛素的给予进一步增加了骨骼对葡萄糖类似物的积累。尽管有越来越多的证据表明骨骼和葡萄糖稳态之间的相互作用,以及利用动物模型对骨骼葡萄糖摄取的研究,但关于整个人体骨骼葡萄糖摄取和分布的知识仍然有限。原因可能归因于以前的PET扫描仪的灵敏度低和轴向视野不足,无法提供全身骨骼葡萄糖代谢和摄取的成像。最近由EXPLORER联合体开发的全身PET/CT系统具有194厘米的轴向视野,可以同时覆盖整个人体。此外,uEXPLORER的灵敏度比传统的PET扫描仪提高了约40倍。因此,本研究使用全身uEXPLORER PET/CT扫描仪来描述整个身体骨骼的葡萄糖摄取剖面,并研究了年龄和超重对骨骼葡萄糖摄取的影响。

关键信息笔记:

  1. 破骨细胞和成骨细胞之间的相互作用,不断更新和修复骨骼组织。破骨细胞负责分解旧骨,成骨细胞负责形成新骨,共同维持骨骼健康。
  2. 葡萄糖稳态与骨骼:指骨骼与身体内葡萄糖水平调节之间的关系,尤其在糖尿病和肥胖等疾病中显得尤为重要。
  3. 骨钙素:一种由成骨细胞分泌的骨基质蛋白,影响胰岛素分泌和敏感性。
  4. 全身uEXPLORER PET/CT扫描仪:联影的一种先进的医学成像设备,具有更广的轴向视野和更高的灵敏度,适用于全身成像,特别是在骨骼葡萄糖代谢研究中。

2 MATERIALS AND METHODS

2.1 Participants

这段文本描述了一项横断面研究的参与者选拔标准和参与者的基本信息。这项横断面研究已获得山东第一医科大学伦理委员会的批准。所有参与者均已获得知情同意。基于以下标准选拔参与者:(1)餐后葡萄糖(PPG)浓度在3.9毫摩/升至7.8毫摩/升之间;(2)无全身高代谢病变如肿瘤;(3)无代谢疾病;(4)无心血管疾病;以及(5)无重大或不稳定的医疗病史自述。共有41名参与者(全部为右利手,包括17名女性和24名男性,年龄在31至77岁之间)被纳入本研究。表1提供了这些参与者的人口统计细节。

关键信息笔记:

  1. 横断面研究:一种观察性研究设计,用于在某一特定时间点或时间段内收集和分析数据,以研究不同变量之间的关系。
  2. 伦理委员会批准和知情同意:进行医学研究前必须获得伦理委员会的批准,并且所有参与者都需提供知情同意,以确保他们理解研究的目的、程序及可能的风险和好处。
  3. 参与者人口统计信息:提供了关于参与者性别、年龄和其他相关特征的信息,有助于理解研究样本的代表性和可能影响研究结果的因素。

2.2 Total-body PET/CT acquisition

通过山东第一医科大学第一附属医院的uEXPLORER PET/CT系统(联影医疗,上海,中国)收集了PET图像。参与者在至少禁食6小时后,根据体重注射了18F-FDG(2.96 MBq·kg−1[0.08 mCi·kg−1])。两名女性参与者(分别51岁和61岁)在注射后立即进行了为期1小时的动态PET扫描。动态PET数据被重建成总共92个体积,包括30 × 2秒,12 × 5秒,6 × 10秒,4 × 30秒,25 × 60秒和15 × 120秒;体素大小为1.667 × 1.667 × 2.886 mm^3,进行了2次迭代,20个子集,以及必要的校正(包括衰减和散射校正)。注射后60分钟,进行了为期10分钟的静态全身PET/CT扫描。静态PET图像通过飞行时间和点扩散函数重建,矩阵为192 × 192,切片厚度为2.886 mm,体素大小为3.125 × 3.125 × 2.886 mm^3,进行了2次迭代,20个子集,高斯滤波器(半高宽=3毫米),以及必要的校正。

此外,还进行了全身高分辨率CT扫描,参数包括:电压=120 kVp,矩阵=515 × 512,切片厚度=1.5毫米,所有CT图像都以体素大小为0.976 6 × 0.976 6 × 1.500 0 mm^3重建。

2.3 Image processing

  • 如何从全身PET扫描数据中计算净入流速率(Ki)图和标准化摄取值(SUV)图

从四维动态PET数据中,使用二组织仓模型来拟合动态数据,计算了全身净入流速率(Ki)图17。简而言之,从升主动脉提取了图像衍生的输入函数,并在此过程中考虑了时间延迟,估计了一个时间延迟参数。最终,使用Levenberg‒Marquardt算法优化模型,生成最佳参数图像(Ki图)(详细描述见补充方法1和图S1)17。应该是通过预处理得到这个参数图像。

通过以下步骤从静态PET图像中计算了按瘦体重标准化的全身标准化摄取值(SUL)图像:(1)计算全身SUV图像;(2)根据Hume提出的方程计算瘦体重(补充方法2)18。使用瘦体重来标准化SUV值,最终得到全身SUL图像。

对于每位参与者,使用仿射变换将高分辨率CT图像与相应的全身PET图像进行配准。然后,使用配准的CT图像的骨窗,获取全身Ki图像和骨骼的SUL图像。

由于参与者在PET/CT扫描期间手臂位置不一致,本研究关注的区域包括头骨、脊椎、髋骨、双侧股骨、双侧胫骨和双侧腓骨作为兴趣区域(ROI),未考虑肱骨、桡骨和尺骨。每个ROI的最大Ki和SUL(Ki max和SULmax)以及平均Ki和SUL值(Ki mean和SULmean)被计算出来。此外,还为大脑、心脏、双侧肺、胃、肝脏、脾脏、胰腺、大肠、小肠、双侧肾脏、双侧大腿肌肉和双侧小腿肌肉从全身Ki和SUL图像中计算了Ki max、Ki mean、SULmax和SULmean,以作为参考13。我们可以自动划分20多块脊椎,也许不同的椎节之间的代谢还会存在差异?

笔记记录:

  1. 二组织仓模型:一种用于分析PET扫描数据的数学模型,可以提供关于组织内物质如何被吸收和分布的详细信息。
  2. Levenberg‒Marquardt算法:一种优化算法,用于在PET图像重建过程中找到最佳的参数。
  3. 瘦体重(Lean Body Mass) :指身体中不含脂肪的部分,常用于医学成像中标准化SUV值。
  4. 不知道如何计算出放射矩阵来对齐PET和CT,是设备中成像直接得到了对应的放射参数还是从影像中计算仿射变换矩阵??

2.4 统计分析

由于只有2位参与者进行了动态PET扫描,因此仅使用静态PET数据中的SUL来评估年龄和超重对人类骨骼葡萄糖摄取的影响。为了研究年龄对人类骨骼葡萄糖摄取的影响,我们将41名参与者分为成年人、中年人和老年人三组。成年人组年龄范围为20-39岁(n=5),中年人组年龄范围为40-59岁(n=24),老年人组年龄为60岁及以上(n=12)。通过方差分析(ANOVA),使用LSD法进行事后多重比较,评估这三组中骨骼兴趣区域(ROI)的SULmax和SULmean的差异。P值小于0.05被认为是统计学上显著的。此外,通过Pearson相关分析或二次回归分析评估年龄与骨骼ROI的SULmax或SULmean的关联。P值小于0.05被认为是统计学上显著的。

为了探索超重对骨骼葡萄糖摄取的影响,我们根据体重指数(BMI)将41名参与者分为正常体重和超重两组。正常体重组(n=23)的BMI低于24.9千克·米−2,超重组(n=18)的BMI为25千克·米−2或更高20。使用独立t检验比较两组之间骨骼ROI的SULmax和SULmean。统计学上显著的定义为P值小于0.05。此外,通过计算BMI与骨骼ROI的SULmax或SULmean之间的Pearson相关,评估BMI与骨骼葡萄糖摄取之间的关联。统计学上显著的定义为P值小于0.05。

关键笔记分析:

  1. 什么是ANOVA? ANOVA是一种统计方法,用于检验三个或更多组 之间的平均数是否存在显著性差异。它的核心思想是比较组内变异和组间变异。组内变异 :单个组内数据点与该组平均值的差异。组间变异 :不同组平均值之间的差异。如果组间变异显著大于组内变异,那么我们可以推断各组之间存在显著差异。记忆重点:ANOVA方差分析并非分析方差,而是利用方差(组内差异)区分析是否存在组间差异。

  2. ### LSD事后多重比较 当ANOVA显示至少两组之间存在显著差异时,LSD(最小显著差)事后多重比较被用来确定具体哪些组之间存在显著差异。LSD比较每两个组的平均值,并计算它们之间差异的显著性。

  3. 个人认为:在样本量较小的情况下(如十几个样本),进行ANOVA和LSD事后多重比较可能缺乏足够的统计功效。在这种情况下,结果可能更多地受到样本特定特征的影响,且难以推广到更广泛的人群。

Result

图1显示了利用动态和静态PET数据计算得出的人体葡萄糖摄取剖面。在整个身体中,观察到最高水平的18F-FDG积聚在大脑中,其次是心脏、肝脏和肾脏。膀胱中高水平的葡萄糖摄取归因于18F-FDG的尿液排泄(图1a,b)。

在骨骼中,脊椎的葡萄糖摄取水平最高,其次是头骨和髋骨。相比之下,四肢的骨骼葡萄糖摄取水平较低。此外,在下肢中,股骨和胫骨的骺部和骨干的松质骨区域显示出显著的葡萄糖摄取,而皮质骨也表现出相对较高的摄取(图1c,d)。

与大脑、心脏和肾脏的葡萄糖摄取水平相比,骨骼的葡萄糖摄取较低。然而,根据Ki和SUL评估的脊椎的葡萄糖摄取测量与肝脏和脾脏的相似。根据Ki和SUL评估的髋骨和头骨的葡萄糖摄取测量与胰腺、肠道和肌肉的相似,表明骨骼在休息状态下清除循环葡萄糖中发挥了关键作用(图2)。

关键点笔记:

  1. 松质骨与皮质骨的葡萄糖摄取:松质骨位于骨的内部,而皮质骨是骨的外层。这两种骨组织在葡萄糖摄取方面的差异可能与它们的结构和功能有关。
  2. 怎么得到骨骼在休息状态下清除循环葡萄糖中发挥了关键作用 结论的
    1. 通过比较骨骼与大脑、心脏、肝脏等其他器官的18F-FDG摄取水平,研究人员发现虽然骨骼的摄取水平低于这些器官,但与肝脏和脾脏的摄取水平相似。肝脏和脾脏是已知的葡萄糖代谢活跃区域,骨骼的类似摄取水平表明骨骼也在葡萄糖代谢中扮演重要角色。
    2. 由于扫描是在休息状态下进行的,因此观察到的骨骼葡萄糖摄取反映了骨骼在静息状态下对葡萄糖的处理能力。
    3. 骨骼中观察到的18F-FDG摄取表明,骨骼除了其结构和支持功能外,还参与处理循环中的葡萄糖,即葡萄糖的"清除"。

为了理解年龄对骨骼葡萄糖摄取的影响,我们首先将41名健康参与者分为三组,ANOVA结果显示三组在双侧胫骨和双侧腓骨的SULmax上存在差异(P < 0.05)(图3a)。具体来说,成年人组(n=5)的双侧胫骨和双侧腓骨的SULmax显著低于中年人组(n=24)(左胫骨P < 0.001,左腓骨P = 0.024,右胫骨P = 0.001,右腓骨P = 0.002,LSD方法)。中年人组(n=24)的双侧胫骨和双侧腓骨的SULmax显著高于老年人组(n=12)(左胫骨P = 0.005,左腓骨P = 0.044,右胫骨P = 0.010,右腓骨P = 0.040,LSD方法)。然后,我们使用Pearson和二次回归分析评估了年龄与骨骼ROI的SULmax之间的关联(图3b-j)。头骨的SULmax与年龄呈显著负相关,双侧胫骨、右股骨和右腓骨的SULmax与年龄呈显著的二次关联。此外,在去除异常值后,左股骨和左腓骨的SULmax与年龄呈二次趋势,关联显著(图S2)。

三组在9个骨骼ROI的SULmean上没有差异(图4a)。在年龄与骨骼ROI的SULmean之间的关联方面,每个ROI的SULmean与年龄也没有显著相关性(图4b-j)。然而,除了头骨和脊椎外,大多数骨骼ROI的SULmean与年龄呈二次趋势。特别是,在去除异常值后,左股骨(r² = 0.163, P = 0.041)、左胫骨(r² = 0.239, P = 0.010)、左腓骨(r² = 0.159, P = 0.040)和右股骨(r² = 0.179, P = 0.035)的SULmean与年龄呈显著的二次关联(图S3)。

也就是说,作者在每一个ROI上面都做了ANOVA和LSD的方法

最后,为了研究超重对骨骼葡萄糖摄取的影响,我们根据25.0千克·米−2的BMI阈值将41名健康参与者分为两组,并评估了正常体重组(n=23)和超重组(n=18)在9个ROI的SULmax和SULmean之间的差异。如图5a所示,超重组(n=18)在脊椎、髋骨和下肢骨骼的SULmax略有增加,但增加不显著。此外,两组在餐后葡萄糖(PPG)水平上也没有显著差异(P=0.497)。我们进一步评估了BMI与骨骼中SULmax的关联。如图5c-k所示,下肢骨骼中的SULmax,包括双侧股骨、左胫骨和双侧腓骨,与BMI呈显著正向趋势,BMI与左胫骨中SULmax的关联在统计上显著(图5g)。此外,在去除异常值后,左股骨(r=0.366, P=0.020)、左腓骨(r=0.353, P=0.028)、右股骨(r=0.338, P=0.035)、右胫骨(r=0.362, P=0.024)和右腓骨(r=0.393, P=0.012)的SULmax也与BMI呈显著正相关(图S4)。

与SULmax类似,超重组(n=18)在下肢骨骼中的SULmean值略有增加(图6a)。下肢骨骼中的SULmean与BMI呈正向趋势,BMI与双侧股骨的SULmean存在显著关联(图6e,f)。此外,在去除异常值后,左胫骨和左腓骨的SULmean与BMI呈显著正相关(图S5)

4 结论

主要对实验结果进行概述,然后再对结果的临床意义进行讨论

骨骼是一个内分泌器官,在调节人体葡萄糖稳态中扮演着重要角色。然而,人类骨骼中葡萄糖的摄取和分布尚未完全理解。在本研究中,通过先进的全身PET/CT,我们揭示了人体骨骼的葡萄糖摄取剖面。我们观察到脊椎、髋骨和头骨有相对较高的葡萄糖摄取。我们发现年龄对骨骼中葡萄糖摄取有影响,这表现为SULmax和SULmean与年龄之间的倒U形关系。此外,我们还发现BMI与骨骼中葡萄糖摄取剖面之间存在正相关。

过去十年的研究逐渐揭示了骨骼在人体能量代谢中的关键作用,特别是在葡萄糖代谢的调节上。先前的基础研究已经揭示了破骨细胞和成骨细胞在葡萄糖稳态中的作用。除了基本的代谢研究,通过PET成像可以实现新陈代谢的活体可视化。已经开发了几种放射示踪剂,如18F-FDG和11C-棕榈酸,用于测量葡萄糖或脂肪酸的摄取。通过对小鼠进行18F-FDG PET/CT成像,Zoch等人发现骨骼对葡萄糖的积累占18F-FDG总剂量的相当部分,并进一步证明了葡萄糖摄取与胰岛素之间的关系。Suchacki等人通过小鼠18F-FDG PET/CT图像构建了骨骼代谢网络,并观察到超出骨骼葡萄糖摄取的组织相互作用。在人类中,骨骼葡萄糖摄取已被用作疾病诊断的生物标志物。虽然已经研究了小鼠骨骼中的葡萄糖摄取,但整个人体骨骼中葡萄糖的摄取和分布的研究仍然缺乏,这可能是由于现有PET扫描仪的轴向视野不足和灵敏度低。

由EXPLORER联合体开发的新型全身PET/CT系统具有194厘米的轴向视野,可以同时追踪整个人体的代谢过程。此外,uEXPLORER的灵敏度是传统PET/CT扫描仪的40倍。这种超高灵敏度和超长轴向视野的全身PET/CT系统允许进行全身骨骼葡萄糖成像。在本研究中,通过这种全身PET系统,我们揭示了整个人体骨骼中的葡萄糖摄取剖面。在整个人体中,不同骨骼部位的葡萄糖摄取各不相同,脊椎的葡萄糖摄取水平最高,其次是头骨和髋骨。四肢骨骼的葡萄糖摄取水平相对较低。此外,骨骼的葡萄糖摄取,尤其是脊椎和髋骨,与肝脏和脾脏等代谢器官的摄取值相似,表明骨骼在葡萄糖代谢中的关键作用。骨骼主要通过骨钙素、胰岛素和缺氧信号影响葡萄糖稳态。先前的研究表明,骨骼中胰岛素受体的分布是不均匀的。已经确认骨髓是葡萄糖消耗的来源,证据表明脊椎骨髓与股骨和胫骨骨髓不同,脊椎包含更多的红骨髓,而股骨包含更多的骨髓脂肪组织。这种差异可能解释了不同骨骼部位18F-FDG摄取分布的变化。此外,发现轴骨(如脊椎和头骨)的葡萄糖摄取高于下肢骨骼,这与先前的研究一致,可能是因为股骨和胫骨骨髓含有更多的脂肪,因此对胰岛素有抵抗。此外,骨骼重建过程中的骨形成需要能量消耗。目前发现的骨骼骺部和骨干区域以及皮质骨的较高18F-FDG摄取与这些部位更高的成骨细胞数量和更高的重建速率相符。

相关推荐
_GR18 分钟前
每日OJ题_牛客_牛牛冲钻五_模拟_C++_Java
java·数据结构·c++·算法·动态规划
ROBIN__dyc30 分钟前
表达式
算法
无限大.34 分钟前
c语言实例
c语言·数据结构·算法
六点半88838 分钟前
【C++】速通涉及 “vector” 的经典OJ编程题
开发语言·c++·算法·青少年编程·推荐算法
@haihi1 小时前
冒泡排序,插入排序,快速排序,选择排序
数据结构·算法·排序算法
quaer1 小时前
Open-Sora全面开源?
开发语言·算法·机器学习·matlab·矩阵
Hello.Reader1 小时前
TopK算法在大数据重复数据分析中的应用与挑战
大数据·算法·数据分析
coduck_S12004zbj1 小时前
csp-j模拟五补题报告
c++·算法·图论
洛临_1 小时前
【C语言】基础篇
c语言·算法
_.Switch2 小时前
Python机器学习模型的部署与维护:版本管理、监控与更新策略
开发语言·人工智能·python·算法·机器学习