0 引言

       体成分不仅反映脂肪和肌肉的数量，也反映其分布与组织质量，并与代谢异常、心血管风险、功能衰退及治疗反应密切相关^[1]。生物电阻抗分析和双能X射线吸收法（dual-energy X-ray absorptiometry, DXA）适用于总体评估，但其结果分别易受水分状态和躯干测量条件影响^{[2, 3]}。近期横断面与纵向队列比较进一步表明，MRI与DXA测量并非可直接互换，同一随访研究应尽量保持测量模态一致^[4]。CT具有较高空间分辨率，但存在电离辐射。MRI无电离辐射，且软组织对比度高，可借助Dixon水脂分离、定量脂肪分数和多参数成像同时表征皮下脂肪组织（subcutaneous adipose tissue, SAT）、内脏脂肪组织（visceral adipose tissue, VAT）、骨骼肌体积及肌肉脂肪浸润，适用于全身及局部体成分评估。然而，人工或半自动勾画耗时且观察者差异较大，难以支持大规模队列和重复随访^[5]。

       随着医学影像数据积累、图形处理器计算能力和训练策略的发展，深度学习已广泛用于医学图像分类、检测、重建与分割^{[6, 7]}。在MRI体成分分析中，深度学习能够自动识别脂肪、肌肉及其他组织，并批量提取面积、体积、骨骼肌指数和脂肪分数等指标。BioCompNet将单例全身体成分分析时间由人工（128.8±5.6）min缩短至（0.12±0.001）min，显示出自动化方法的高通量优势^[8]；基于全身MRI的深度学习量化还被用于评估死亡风险和代谢异常^{[9, 10]}。然而，不同研究的扫描序列、标注规则、模型结构和评价终点差异较大，部分研究仅报告内部验证或平均Dice系数，对下游定量误差、扫描—重扫重复性、跨中心泛化和临床效度的系统评价仍较少。

       既往综述多聚焦放射学体成分方法或腹部CT/MRI自动测量^{[11, 12]}，但围绕MRI基础、深度学习模型选择、脂肪与骨骼肌两类核心任务、临床验证及转化瓶颈开展贯通性讨论的综述仍较少。本综述聚焦2016年1月至2026年7月发表的研究：首先界定MRI体成分分析的任务与常用指标；随后比较CNN、nnU-Net、Transformer、生成式方法和基础模型在脂肪及骨骼肌分割中的证据；进一步评估这些量化指标在风险预测与疗效监测中的应用；最后归纳数据异质性、标签噪声、评价标准、可解释性和工作流集成等问题，并提出可检验的研究优先级。本文旨在为临床医生提供关于自动体成分分析技术适用性、结果解读及工作流整合的实用参考，助力基于影像学参数的体成分分析从研究工具走向可复现的临床决策支持。

1 文献检索方法

       本综述系统检索PubMed、Web of Science及中国知网2016年1月至2026年7月发表的文献并追溯纳入研究及相关综述的参考文献。英文检索式由深度学习、磁共振成像和体成分构成：（“deep learning” OR “convolutional neural network” OR CNN OR U-Net OR nnU-Net OR Transformer）AND（“magnetic resonance imaging” OR MRI OR Dixon）AND（“body composition” OR “adipose tissue” OR “skeletal muscle” OR sarcopenia OR segmentation）。中文检索式采用“深度学习/卷积神经网络/U-Net/Transformer”“磁共振成像/MRI/Dixon”和“体成分/脂肪/骨骼肌/肌少症/分割”等主题词与自由词组合。医学影像人工智能（artificial intelligence, AI）研究的报告完整性核查同时参考《医学影像人工智能报告清单》2024更新版^[13]。

       纳入标准：（1）明确使用深度学习或机器学习完成MRI脂肪、肌肉等体成分组织的分割、定量，或将由此获得的指标用于临床分析；（2）报告可核查的模型、定量或临床结果，如Dice系数、表面距离、体积/横截面积误差、脂肪分数偏倚、组内相关系数、相关系数、受试者工作特征曲线下面积（area under the curve, AUC）或风险比；（3）全文可获得的同行评议期刊论文或权威会议论文。排除标准：（1）非MRI研究；（2）仅使用手工测量或传统影像观察，未使用深度学习/机器学习获得体成分指标；（3）仅有摘要、重复发表、关键结果无法核查或主题不符。初检获得186篇记录，经去重、题录筛选、全文评估、补充检索及主题核查后，最终纳入63篇与本文主题和论证直接相关的文献。

       涉及临床预测的研究进一步参照个体预后或诊断多变量预测模型透明报告规范人工智能扩展版（TRIPOD+AI）检查报告透明度，并以预测模型偏倚风险评估工具人工智能扩展版（PROBAST+AI）核查偏倚风险和适用性^{[14, 15]}。

2 基于深度学习的MRI体成分分析基础

       本综述所称“基于深度学习的MRI体成分分析”，是指利用深度学习对MRI中的SAT、VAT、骨骼肌及其脂肪浸润进行自动分割与定量，获得面积、体积、横截面积（cross-sectional area, CSA）、骨骼肌指数、肌肉脂肪分数等指标。组织分割回答“组织在哪里、边界多大”，定量分析进一步回答“组织数量与质量如何”，而临床研究则评估这些指标是否与代谢风险、肌少症、预后或干预反应相关^{[9, 16, 17]}。上述三个环节对应不同证据层级，高Dice系数不能替代临床效度评价。

       MRI体成分分析主要包含两类核心任务。脂肪组织任务侧重SAT、VAT、器官周围脂肪和全身脂肪分布；骨骼肌任务既包括整块肌群或单块肌肉的解剖分割，也包括肌肉量、脂肪分数和肌肉质量的联合评估。肌少症诊断还涉及肌力和躯体功能，因此，自动分割所得指标宜作为影像生物标志物或筛查工具，其解释仍需结合握力、步速等临床信息，不宜单独作为肌少症诊断依据^{[12, 18]}。

2.1 MRI体成分分析的基本原理与技术

       MRI具有无电离辐射、软组织对比度高和多参数成像等优势，可区分SAT、VAT、骨骼肌及骨髓脂肪，并可在同次检查中获得解剖和组织成分信息。Dixon技术利用水和脂肪中氢质子进动频率差异实现水脂分离，可生成水像、脂像及质子密度脂肪分数图；在骨骼肌定量中，Dixon脂肪分数与磁共振波谱（magnetic resonance spectroscopy, MRS）测得的组织内脂肪相对变化具有较好一致性^{[19, 20]}。T1加权成像（T1-weighted imaging, T1WI）上的肌间脂肪主要反映肌细胞外脂质，而不能完全代表肌细胞内脂质^[21]，因此不同序列获得的“肌肉质量”指标含义并不等同。

       序列差异会直接影响模型输入、标注边界和结果解释。水像通常强化肌肉与脂肪的对比，脂像有利于识别脂肪浸润，水脂双通道输入可同时提供解剖与成分信息。二维模型计算量较低，适合单层面或稀疏采样；三维模型能够利用层间连续性，但对显存、空间分辨率统一和完整覆盖要求更高。模型开发前应明确分析对象、解剖范围、序列和输出指标，并保证训练与临床应用场景一致^{[21, 22, 23]}。

       图像预处理是影响可重复性的另一关键环节。不同中心的场强、线圈、层厚、视野、重建矩阵和脂肪抑制方式均可造成强度与空间分辨率差异。常用步骤包括N4偏置场校正、强度归一化、体素重采样、体位校正及解剖区域裁剪，但过度重采样可能平滑小肌群边界，逐例强度归一化也可能削弱脂肪分数的定量含义。因此，研究应完整报告原始序列、预处理参数和插值方式，并在外部验证中保持独立的数据处理流程。若模型依赖特定厂商或序列，应明确其适用范围，协议内性能也不能等同于跨设备泛化能力^{[24, 25]}。

       跨模态迁移可缓解MRI标注不足，但必须区分图像生成与最终分割。HAUBOLD等^[26]使用内部训练的循环生成对抗网络（cycle-consistent generative adversarial network, CycleGAN）将CT分割映射到合成MRI，再以人工校正的真实T2加权成像（T2-weighted imaging, T2WI）训练nnU-Net v2；其3D集成模型的肌肉和SAT Dice分别为0.968和0.98。因此，该研究中的CycleGAN主要用于风格迁移和合成数据生成，最终组织分割仍由nnU-Net v2完成。

2.2 深度学习关键概念与技术范畴

       深度学习是一类通过多层神经网络学习层次化表征的机器学习方法^[6]。在医学影像中，CNN利用局部卷积和参数共享提取空间特征，U-Net通过编码—解码结构与跳跃连接恢复像素级细节，是常用的分割基线架构之一^[7]。nnU-Net并非单一固定网络，而是根据数据集特征自动配置预处理、网络结构、训练和后处理流程的自配置框架；ISENSEE等^[27]在23个公开生物医学分割数据集上验证了其跨任务适应性。基于nnU-Net开发的VIBESegmentator则是面向全身MRI的具体工具^[28]。

       Transformer通过自注意力建模长距离依赖，适于整合全局解剖结构；混合CNN-Transformer架构试图兼顾局部边界与全局关系。生成对抗网络（generative adversarial network, GAN）和扩散模型可用于跨模态转换、图像合成或数据增强，但生成图像的解剖真实性和定量保真度需要独立验证。分割一切模型（segment anything model, SAM）等视觉基础模型可借助预训练减少标注负担，但仍需针对MRI序列、解剖区域和疾病严重度进行微调，并评估其在罕见体型和重度脂肪浸润中的稳健性^[29]。

       模型评价不宜仅依赖平均Dice系数。Dice受目标体积影响，对大结构较友好，却可能掩盖边界偏移和小肌群失败。面向临床体成分分析，至少应同时报告分割准确性（Dice、表面距离）、定量一致性[CSA/体积/脂肪分数偏倚及组内相关系数（intra-class correlation coefficient, ICC）]、重复性（扫描—重扫）、泛化性（独立外部中心和不同序列）、效率（推理时间、显存、失败率）及可信度（不确定性、自动质量控制和人工复核需求）。不确定性感知的深度回归集成模型可同时输出体成分估计及预测不确定性，有助于识别隐匿失败^[30]；纵向MRI表型研究还显示，只有测量精度足够高时，小幅体成分变化才可被可靠检出^[31]。

       训练与验证设计同样决定结果是否可信。数据集应按受试者而非图像层面划分，避免同一受试者的相邻切片同时进入训练集和测试集而造成信息泄漏；模型选择所用验证集与最终测试集应严格分离。类别不平衡可通过目标区域采样、损失函数加权或数据增强处理，但增强操作必须保持解剖合理。除随机交叉验证外，最好设置时间外、设备外或中心外测试，以模拟真实部署中的分布变化。若在测试集上反复调参，即使没有直接训练也会高估性能，应报告模型锁定时点及失败病例^{[13, 15, 24]}。

3 基于深度学习的MRI图像分析技术与进展

3.1 基于深度学习的MRI图像分析技术

3.1.1 脂肪组织分割与全身定量

       腹部脂肪分割是MRI体成分分析中研究相对充分的任务。KAFALI等^[22]采用多对比输入的3D CNN对纵向腹部MRI进行SAT和VAT分割；SCHNEIDER等^[32]基于U-Net全卷积网络，在肥胖人群腹部MRI中获得SAT Dice 0.954、VAT Dice 0.889，自动体积与交互式参考测量高度相关。VAT边界邻近肠管、腹膜和实质脏器，形态不规则且体积小于SAT，因此其Dice通常低于SAT。因此，评价腹部脂肪模型时应分别报告SAT和VAT，避免单一平均值掩盖组织差异。

       在全身和大规模队列中，模型目标由单一区域分割转向多结构、高通量定量。VIBESegmentator基于nnU-Net覆盖71个全身解剖标签，内部测试平均Dice为0.90±0.06^[28]；BioCompNet整合水像和脂像，以分层U-Net自动量化多个体成分区室，单例分析约0.12 min^[8]；NOWAK等^[33]在UK Biobank中以专家手工分割验证自动体积定量，并比较全容积与单层技术，提示全容积测量可减少层面选择带来的信息损失。在器官层面，nnU-Net还可用于Dixon MRI胰腺脂肪自动测量^[34]。MIMIR采用端到端回归处理UK Biobank全身MRI，可快速预测多项体成分指标^[35]。这些工具提高了队列研究效率，但输出标签、扫描覆盖、序列协议和后处理不同，相关指标需经校准后方可比较或互换。

       脂肪组织内部还可进一步区分浅层和深层SAT、腹膜内、腹膜后及椎旁脂肪。更细的区室可能具有不同代谢意义，但边界定义也更依赖标注规范^[36]。对于纵向研究，模型除需准确分割外，还应避免由于体位、呼吸、扫描范围或重采样造成的伪变化，并通过扫描—重扫或重复随访数据验证小幅变化是否超过测量误差。

       MRI体成分分析的解剖范围还可扩展至纵隔和心脏周围脂肪。CHEN等^[37]基于150例心脏短轴心血管MRI构建MRPEAT基准数据集，并以三阶段U-Net分割心包脂肪组织；其研究覆盖肥厚型心肌病、急性心肌梗死及健康人群，说明该任务可在不同病理状态下开展验证。但心包脂肪体积较小、形态多变且受心脏运动影响，其模型与腹部SAT/VAT模型不能直接互换，仍需在独立中心和不同序列上验证。

       脂肪标注的参考标准也存在层级差异。全容积人工勾画能够提供三维体积，但耗时且受腹膜边界判断影响；阈值法和半自动工具效率较高，却可能把肠内容物、骨髓或伪影误归为脂肪。训练标签应由具有经验的阅片者依据预先定义的解剖规则完成，并报告复核流程和观察者一致性。模型输出后可采用连通域、孔洞填充和解剖约束减少离散误分割，但后处理规则必须在测试前固定。对于肥胖、腹水、巨大肿瘤或术后解剖改变患者，还应单独报告失败率，以反映模型在复杂临床场景中的稳健性^{[22, 32, 34, 36]}。

3.1.2 骨骼肌的深度学习分割及定量

       骨骼肌MRI任务既包括整块肌群或单块肌肉分割，也包括CSA、体积、骨骼肌指数和脂肪分数等指标提取。整块肌群适合大规模筛查和总量评估，单块肌肉分割可反映肌群间不对称及特异性萎缩，但标注成本更高，筋膜边界、血管神经束和相邻肌肉接触均会增加误差。下肢和旁脊肌是肌少症、神经肌肉病、运动损伤和术后评估的主要研究区域^{[17, 23, 38, 39, 40, 41, 42, 43]}。

       DING等^[23]以水像和脂像作为双通道输入训练U-Net，自动分割股四头肌、缝匠肌、股薄肌和腘绳肌等功能肌群，测试集平均Dice均超过0.85；自动与人工分割的平均脂肪分数绝对差为0.17%，且自动方法在重复扫描中的总体ICC高于人工分割（0.921比0.902）。GAJ等^[38]将U-Net与DenseNet结合，对大腿肌肉及周围组织自动分割，Dice相似系数（Dice similarity coefficient, DSC）超过0.97、平均对称表面距离（average symmetric surface distance, ASSD）小于0.24，并在扫描—重扫数据中显示CSA定量重复性优于人工分析。这些结果说明，高质量验证应同时考察边界精度、下游定量误差和重复性。

       病理性脂肪浸润是骨骼肌分割由技术高分走向可靠定量的主要障碍。随着肌肉与邻近脂肪、筋膜的对比下降，边界误差与脂肪分数偏倚可能同时增加。HOSTIN等^[39]在神经肌肉病患者中比较多种网络，发现脂肪浸润超过20%后部分模型性能明显下降；MARTIN等^[40]进一步发现，简化U-Net虽Dice略低于nnU-Net，但脂肪分数误差相近。两项研究共同表明，健康或轻症人群中的高Dice不能替代病理亚组验证，Dice的微小优势也不必然转化为更准确的脂肪分数量化。因此，训练集应覆盖不同脂肪浸润等级、疾病和扫描协议，并同时报告亚组Dice、脂肪分数偏倚、重复性与失败率；模型复杂度应由下游定量稳定性和实际部署需求决定。

       外部可迁移性需在与训练域真正独立的数据中验证。自动股腿肌分割研究显示个体肌肉脂肪分数具有较高一致性^[41]，腰椎旁肌外部验证和Dixon MRI肌内脂肪自动定量研究进一步说明，跨中心协议差异与人群参考值会影响模型解释^{[42, 43]}。因此，内部交叉验证不足以支持广泛应用，至少应在独立中心、设备或疾病队列中重复验证，并比较模型在域内外的性能下降幅度。

       在大样本人群表型方面，KIM等^[44]基于UK Biobank 37 004名受试者，采用U-Net Transformer（UNETR）分割27个骨盆—大腿肌骨结构，平均Dice为0.896；Dixon MRI获得的大腿肌肉体积与DXA高度相关（r=0.936），且前后肌群分布比与握力下降、肌少症、死亡和跌倒风险相关。ESPARZA等^[45]在肝移植评估患者中构建双对比U-Net，联合自旋回波与Dixon水像后，自旋回波图像的平均Dice由0.85提高至0.88，模型估计脂肪分数与人工参考具有较强一致性（R²=0.97）。全容积、分肌群的MRI表型可补充单层面总面积，但其增量临床价值仍需前瞻性验证。

       标注效率也是骨骼肌模型能否扩展的关键。SLUTSKY-GANESH等^[46]评估不同训练样本量对运动员大腿肌分割及下游指标一致性的影响，提示应以目标定量指标的稳定性而非仅以分割图视觉效果确定最小标注集。肩袖^[47]和儿童小腿肌群^[48]研究进一步表明，模型需根据解剖区域和人群特征重新验证。综上，骨骼肌分割的证据链应包括解剖准确性、定量偏倚、扫描—重扫重复性、跨中心泛化和临床效度，自动测得的肌肉量不宜单独作为肌少症诊断依据。

       头颈部肌群同样体现了解剖区域迁移的边界。WEBER等^[49]利用Dixon MRI和CNN分割7组双侧颈肌（共14块肌肉），独立测试中肌肉脂肪浸润测量的平均偏倚小于2.0%、ICC高于0.80。该结果证明复杂小肌群可实现快速自动定量，但训练与测试主要来自挥鞭伤人群，尚不能直接外推至咀嚼肌或其他头颈部疾病。

       骨骼肌结果的标准化还涉及解剖定位和体型校正。单层面CSA易受层面选择影响，全容积测量更完整但对扫描覆盖和计算要求较高；骨骼肌指数常以身高平方、体重或体表面积校正，不同校正方式对应的生理含义和阈值并不相同。肌肉脂肪分数反映组织质量，而肌间脂肪和肌内脂肪的定义也需明确。研究应同时给出原始量、校正指标和脂肪浸润，并说明左右侧、肌群合并规则及层面选择。只有在定义、扫描和后处理一致的条件下，年龄、性别或疾病组间差异才具有可比较性^{[18, 33, 43, 44, 50]}。

       总体而言，脂肪组织和骨骼肌任务共享U-Net/nnU-Net等技术基础，但目标结构、病理影响和下游指标并不相同。脂肪分割关注不规则区室和全身分布，肌肉分析还需处理单块肌肉边界、脂肪浸润和功能表型。未来模型应围绕具体临床问题设计训练与验证方案，避免以单一架构或平均Dice概括所有体成分任务^{[22, 23, 27, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43]}。

3.2 深度学习模型性能对比

       TAKAHASHI等^[51]纳入36项医学图像研究，结果显示视觉Transformer在多类任务中具有较大潜力，并强调预训练对Transformer性能的重要性；但这些研究横跨不同器官、模态和任务，尚不足以说明Transformer在MRI体成分分割中普遍优于CNN。MRI体成分任务的直接比较更具解释力：THOMAS等^[52]在腹部MRI脂肪和肌肉量化中比较15种CNN与4种Transformer架构，发现CNN在VAT分割中表现更好。CNN的局部归纳偏置和较小样本下的训练稳定性可能更适合边界明确的中小规模任务，而Transformer捕捉长距离依赖的优势往往需要更大训练集或充分预训练。

       基础模型和生成式模型扩大了模型选择范围。微调后的SAM在不同脂肪浸润等级的大腿肌分割中获得0.857~0.925的Dice，其中在中、重度脂肪浸润组略优于3D nnU-Net，早期组与其相当^[29]；但基础模型的优势取决于提示方式、微调策略和目标域，单中心比较结果也不宜外推至所有MRI序列。生成式模型可用于合成CT、跨模态映射和少样本增强，但若生成过程改变组织边界或脂肪分数，可能提高视觉相似度却损害定量真实性，因此应同时验证解剖一致性和下游定量偏倚^{[26, 53]}。

       模型比较至少应覆盖五个维度：分割准确性（Dice、表面距离）、定量一致性（CSA/体积/脂肪分数偏倚与ICC）、泛化性（独立外部中心、不同场强和序列）、效率（推理时间、显存、失败率）及可信度（不确定性、自动质量控制和人工复核需求）。对于大规模队列的全身定量，可优先考虑自动配置和高吞吐工具；对于单块肌肉、术后改变或严重脂肪浸润，边界精度、失败识别和人工复核能力比平均Dice的微小提升更重要^{[24, 30, 54]}。

       仅将多中心数据混合后随机划分，不足以证明模型具有跨中心泛化能力，因为训练集和测试集仍可能共享设备与协议特征。更严格的方法是把至少一个中心、厂商或时间段完整留作外部测试，并分别报告域内和域外性能。若域外性能下降，可采用强度标准化、域适应或少量目标域微调，微调后仍须使用新的独立测试集进行评价。对于不确定性估计，应检验高不确定性是否真正对应错误，而非仅展示热图；质量控制模块还需报告敏感度、特异度及漏检严重错误的比例，才能决定哪些病例可自动通过、哪些需要人工复核^{[24, 25, 30, 55]}。

       因此，现有证据尚不支持“新架构必然优于经典CNN”的结论。模型选择应结合解剖范围、样本规模、临床时限和可用算力选择模型，并在同一外部测试集上报告完整评价矩阵。只有当模型在目标人群和扫描协议中同时满足准确、重复、稳健和可复核，算法性能才可能转化为临床可用的体成分指标^{[24, 56]}。

       基于上述证据，表1从分割精度、计算效率、泛化能力等维度对不同技术类别的优劣势进行总结对比^{[8, 27, 29, 35, 40, 57]}。

点击查看表格

表1  基于深度学习的MRI体成分分析主要技术对比
Tab. 1  Comparison of major deep learning techniques for MRI body composition analysis

4 MRI体成分分析临床应用

4.1 疾病风险预测与预后评估

       评价临床应用证据时，首先需要区分“使用MRI研究体成分”和“使用深度学习从MRI获得体成分指标”。本综述仅保留明确以深度学习或机器学习完成MRI肌肉、脂肪分割与定量，并将所得指标用于风险预测、分层或疗效监测的研究。传统MRI视觉观察、手工测量，或未说明体成分变量获得方式的研究不作为核心证据。相关证据还可分为三个层级：模型能否准确分割属于技术性能；自动指标是否与人工测量或临床结局相关属于影像生物标志物证据；指标是否改善决策和患者结局则属于临床获益证据^{[12, 14, 15]}。

       在风险预测方面，JUNG等^[9]基于UK Biobank近4万名受试者的全身MRI分析显示，骨骼肌体积较大与较低全因死亡风险相关[调整后风险比（adjusted hazard ratio, aHR）=0.88，P<0.001]，肌间脂肪较多与较高风险相关（aHR=1.19，P<0.01）。同一研究团队^[10]还利用深度学习自动分割全身骨骼肌并计算平均骨骼肌脂肪分数，发现该指标与糖代谢受损独立相关。这些结果支持自动MRI体成分表型在大规模人群分层中的潜在价值，但上述结果来自观察性关联，尚不能据此推断改变影像指标可以降低风险；模型和阈值仍需在独立人群中校准。

       在局部肌肉质量评估方面，SALHI等^[58]利用深度学习和特征融合对肩袖肌脂肪浸润进行三分类，准确率为91.1%，并达到与临床专家相近的一致性（ICC=0.91）；该结果反映模型与专家分级的一致性，而非病理金标准。BIZZOZERO等^[59]对141名中老年受试者的大腿MRI进行自动分割，男性肌肉CSA大于女性，女性脂肪浸润率更高，提示建立性别特异参考值的必要性。LEE等^[60]报告腹部肌肉面积和骨骼肌指数与脑龄差相关。这些研究拓展了体成分表型的临床关联，但多为回顾性或横断面设计，尚不足以据此提出诊断阈值。

       要将技术指标用于临床预测，还需建立完整的验证链。首先应在独立人群中检验自动指标与人工参考的一致性和重复性；其次评估其与结局的关联是否在年龄、性别、体质指数（body mass index, BMI）、基础疾病和治疗等混杂因素校正后仍然稳定；再次比较加入自动体成分指标前后的区分度、校准度和临床净获益。仅报告显著相关或AUC提高并不足以证明临床价值，还需评估阈值在不同人群中的迁移、缺失和失败病例的处理，以及模型是否改变医生决策。在缺乏前瞻性干预证据时，结论应限定为风险分层或假设生成^{[14, 15]}。

       总体而言，现有临床证据主要支持“自动量化技术可行”和“部分指标与人工测量或结局相关”，尚不足以证明其能改善临床决策。研究人群集中于UK Biobank或单中心队列，亚洲及其他种族数据有限，疾病谱和扫描协议覆盖不足。未来应进行多种族、前瞻性外部验证，预先规定阈值、失败处理和人工复核流程，并评估模型在传统危险因素基础上的增量预测价值。近期基于66 000余名一般人群的全身MRI参考曲线进一步说明，年龄和性别分层的标准化参照是解释自动体成分指标的重要前提^[50]。

4.2 治疗监测与疗效评估

       自动体成分指标可从常规MRI中重复提取，为治疗前后比较提供客观量化。在磁共振引导放疗中，RANKIN等^[61]利用治疗过程中常规采集的T2WI自动分割肌肉和SAT，评估前列腺癌患者不同放疗方案下的体成分变化。该方法无需增加扫描即可开展纵向分析，但治疗相关体位、扫描范围和成像参数变化可能影响测量，因此应设置配准、质量控制和最小可检测变化阈值。

       减重及代谢干预可同时改变器官脂肪、肌肉脂肪和肌肉量。GAO等^[62]利用Dixon MRI评估袖状胃切除术后胰腺、肝脏和骨骼肌成分变化，KWAY等^[36]开发的深度学习分割可细分腹部SAT和腹内脂肪区室。对于此类纵向研究，单纯报告术前术后平均差异尚不足以评价模型可靠性，还应报告重复性、个体变化超过测量误差的比例，以及体成分变化与代谢指标或临床结局之间的关系。

       运动干预为检验小幅体成分变化提供了另一场景。RAMEDANI等^[63]将18名健康年轻女性分为干预和对照组，以3D U-Net自动分割大腿肌肉、SAT和骨骼；8周力量耐力训练后，干预组肌肉体积增加2.93%，对照组无明显变化。该研究提示自动化分析可检测群体层面的训练反应，但样本量小、研究对象单一，尚不能确定个体层面最小临床重要差异。未来疗效监测研究应预先规定扫描时点、序列和变化阈值，并将自动结果与功能、实验室指标及患者结局联合验证。

       纵向体成分分析尤其需要区分真实生物学变化与测量波动。扫描前进食、运动、液体状态和体位可影响组织容积或信号，层面覆盖差异也会造成表观变化；因此随访应尽量固定扫描仪、线圈、序列、体位和时间条件。可通过重复基线扫描估计测量误差，并据此计算最小可检测变化。若患者更换设备或协议，应进行桥接校准或敏感性分析。模型版本、后处理和人工修正规则也应锁定，否则算法更新本身可能被误认为治疗效应^{[4, 31]}。

       基于深度学习的MRI体成分定量在放疗、减重手术和运动干预中显示出动态监测潜力，但现有研究仍以单中心、小样本和探索性分析为主。临床部署前需建立扫描—重扫重复性、跨设备一致性和自动失败识别机制，并明确影像变化是否超出测量误差及能否带来增量临床价值^{[31, 55, 61, 62, 63]}。

       基于上述临床应用证据，表2对代表性技术及临床研究的关键指标与证据边界进行汇总。

点击查看表格

表2  基于深度学习的MRI体成分分析代表性技术与临床研究
Tab. 2  Representative technical and clinical studies of deep learning-based MRI body composition analysis

5 小结与展望

5.1 主要进展与证据边界

       深度学习已推动MRI体成分分析由人工勾画转向自动分割和批量定量。CNN、U-Net和nnU-Net可量化SAT、VAT、骨骼肌体积、CSA及脂肪分数，并扩展至全身多结构和纵向随访；Transformer、生成式方法和基础模型丰富了全局建模、跨模态迁移与低标注训练路径。现有研究总体证明了技术可行性和与人工测量的一致性，部分队列还显示自动指标与死亡、代谢异常和功能下降相关。然而，分割精度、影像生物标志物关联与临床获益属于不同证据层级，高Dice不能直接等同于无定量偏倚，也不能据此认定模型能够改善诊疗决策。

5.2 共性瓶颈

       当前瓶颈主要体现在三个层面。其一，训练数据多来自单中心或少数公开队列，年龄、种族、体型、疾病严重度、场强和序列覆盖不足，健康或轻症人群中的性能难以外推至重度脂肪浸润、术后改变及罕见体型。其二，肌肉—脂肪边界、标注和后处理规则不统一，标签噪声与研究间异质性较大；仅报告平均Dice还可能掩盖表面偏移、体积或CSA误差、脂肪分数偏倚和失败病例。其三，独立外部验证、扫描-重扫重复性、前瞻性评价和统一参考范围仍不足，不确定性估计、自动质控、人工复核及影像归档和通信系统集成仍不成熟。

5.3 解决路径与研究优先级

       未来研究应围绕“可泛化、可重复、可解释、可实施”建立验证链。数据层面需开展多中心、多序列和多疾病谱协作，按受试者划分数据，将独立中心、设备或时间段完整保留为外部测试，并按人口学特征、体型和病情严重度报告亚组结果。评价层面应在Dice之外报告表面距离、体积/CSA误差、脂肪分数偏倚、ICC、扫描-重扫重复性、失败率及最小可检测变化，并检验不确定性能否识别真实错误。实施层面应明确适用人群、禁用场景、模型版本和失败处置，通过本地静默验证评估人工修正比例与增量临床价值，将低置信度病例转入人工复核。只有上述指标在前瞻性研究中稳定复现并可嵌入临床流程，自动MRI体成分分析才可能由算法工具转化为可靠的临床决策支持。