Loading...
Чихрийн шижин хэв шинж 2-той насанд хүрэгчдийн тархины цагаан бодисын гиперинтенсив голомтын ачааллын харьцуулсан судалгаа
Зохиогч
Он
2026 оны тавдугаар сарын 22
Төрөл
journal article
Journal
Эрүүл мэндийн шинжлэх ухаан
Volume
22
Issue
5
Start Page
253
End Page
256
ISSN
2959-6947
Хураангуй
Үндэслэл: Чихрийн шижин хэв шинж 2 (ЧШХШ2) нь танин мэдэхүйн үйл ажиллагааны доройтол болон тархины бүтцийн өөрчлөлтөд нөлөөлдөг архаг бодисын солилцооны эмгэг юм. Соронзон резонанст томографийн (СРТ) шинжилгээгээр илрэх тархины цагаан бодисын гиперинтенсив голомт (ЦБГГ) нь тархины жижиг судасны эмгэгийг илтгэх дүрс оношилгооны чухал маркер болдог. Гэсэн хэдий ч манай улсын хүн амд ЧШХШ2-той өвчтөнүүдийн ЦБГГ-ын ачааллыг хиймэл оюунд суурилсан автомат тоон аргаар үнэлж, хяналтын бүлэгтэй харьцуулсан судалгаа хомс байгаа нь энэхүү судалгааг хийх үндэслэл боллоо. Зорилго: Чихрийн шижин хэв шинж 2-той насанд хүрэгчдийн тархины цагаан бодисын гиперинтенсив голомтын ачааллыг үнэлж, хяналтын бүлэгтэй харьцуулах. Арга, аргачлал: Энэхүү аналитик агшингийн, ретроспектив харьцуулсан судалгаанд АШУҮИС-ийн Монгол–Японы эмнэлэгт 2019-2025 онд тархины СРТ хийлгэсэн 40 ба түүнээс дээш насны оролцогчдыг хамруулсан. ЧШХШ2 бүлэгт онош батлагдсан, хяналтын бүлэгт чихрийн шижин болон предиабетгүй оролцогчдыг оруулсан. Томоохон бүтцийн эмгэгтэй, дүрсийн чанар хангалтгүй, автомат боловсруулалт амжилтгүй, эсвэл клиник мэдээлэл дутуу тохиолдлыг хассаны дараа анхан шатанд сонгосон 283 оролцогчоос 257-г эцсийн шинжилгээнд хамруулсан (ЧШХШ2: 71, хяналт: 186). СРТ-ийн 3D T1-weighted MPRAGE болон T2-FLAIR дүрсийг Neurophet AQUA программ (version 3.1)-аар боловсруулж, нийт, гүний, ховдол орчмын Фазекас оноог үнэлсэн. Нас, хүйсээр засварласан эрэмбэт логистик регрессийн шинжилгээг SPSS 25.0 программаар хийж, p<0.05-ийг статистик ач холбогдолтойд тооцсон. Үр дүн: Эцсийн шинжилгээнд 257 оролцогч (ЧШХШ2=71, хяналт=186) хамрагдсан. Бүлгүүдийн хооронд хүйсийн (p=0.046), насны ангиллын (p<0.001) тархалт ялгаатай байсан. ЧШХШ2 бүлэгт нийт ба гүний Фазекас оноо хяналтын бүлгээс өндөр байсан (нийт Фазекас aOR 10.81; 95% CI, 5.2022.49; гүний Фазекас aOR 8.21; 95% CI, 4.32-15.60; хоёуланд p<0.001). Нас ахих тусам нийт (aOR 1.07; 95% CI, 1.03-1.11; p=0.001) болон гүний (aOR 1.04; 95% CI, 1.00-1.08; p=0.037) Фазекас оноо нэмэгдэх хандлагатай байсан бөгөөд эмэгтэй хүйс нийт (aOR 1.95; 95% CI, 1.043.63; p=0.036) болон гүний (aOR 1.95; 95% CI, 1.08-3.51; p=0.026) Фазекасын өндөр ангилалтай холбоотой байв. Дүгнэлт: ЧШХШ2-той насанд хүрэгчдийн тархины ЦБГГ-ын ачааллыг хиймэл оюунд суурилсан автомат тоон СРТ боловсруулалтаар үнэлж, хяналтын бүлэгтэй харьцуулахад ЧШХШ2 нь тархины нийт болон гүний Фазекас оноо өндөр байхтай статистик ач холбогдол бүхий хамааралтай болох нь тогтоогдлоо. Энэхүү хамаарал нь нас, хүйсээр засварласны дараа ч хадгалагдсан. Судалгааны үр дүнгээс үзэхэд хиймэл оюунд суурилсан СРТ-ийн боловсруулалт нь ЧШХШ2-той холбоотой тархины ЦБГГ-ын ачааллыг объектив, тоон, стандартчилсан аргаар үнэлэхэд тохиромжтой арга зүй байж болохыг харуулж байна.
Background: Type 2 diabetes mellitus (T2DM) is a chronic metabolic disorder associated with cognitive impairment and structural brain alterations. White matter hyperintensities (WMH) detected on magnetic resonance imaging (MRI) serve as critical neuroimaging markers of cerebral small vessel disease. However, research evaluating the WMH burden in the Mongolian population with T2DM using AI-based automated quantitative methods and comparing these findings with a control group remains limited. This research gap provides the rationale and necessity for the current study. Aim: To evaluate and compare the burden of brain white matter hyperintensities (WMH) in adults with type 2 diabetes mellitus (T2DM) versus a control group. Material and Methods: This analytical cross-sectional, retrospective comparative study included participants aged 40 and older who underwent brain MRI at the Mongolia-Japan Hospital of MNUMS between 2019 and 2025. The T2DM group consisted of patients with a confirmed diagnosis, while the control group included individuals without diabetes or prediabetes. After excluding cases with major structural abnormalities, poor image quality, failed automated processing, or incomplete clinical data, 257 out of an initial 283 participants were included in the final analysis (T2DM: 71, Control: 186). 3D T1-weighted MPRAGE and T2-FLAIR MRI sequences were processed using Neurophet AQUA software (version 3.1) to assess total, deep, and periventricular Fazekas scores. Ageand sex-adjusted ordinal logistic regression analysis was performed using SPSS 25.0, with p<0.05 considered statistically significant. Results: A total of 257 participants (T2DM=71, Control=186) were analyzed. There were significant differences between groups in sex distribution (p=0.046) and age categories (p<0.001). The T2DM group exhibited significantly higher total and deep Fazekas scores compared to the control group (total Fazekas: aOR 10.81, 95% CI 5.20-22.49; deep Fazekas: aOR 8.21, 95% CI 4.32-15.60; both p<0.001). Increasing age was associated with higher total (aOR 1.07, 95% CI 1.031.11, p=0.001) and deep (aOR 1.04, 95% CI 1.00-1.08, p=0.037) Fazekas scores. Additionally, female sex was associated with higher total (aOR 1.95, 95% CI 1.04–3.63, p=0.036) and deep (aOR 1.95, 95% CI 1.08–3.51, p=0.026) Fazekas score categories. Conclusion: Assessment of WMH burden using AI-based automated quantitative MRI processing revealed that T2DM is significantly associated with higher total and deep Fazekas scores. This association remained significant after adjusting for age and sex. These findings suggest that AI-based MRI processing is a suitable method for the objective, quantitative, and standardized assessment of brain WMH burden associated with T2DM.
Нэмэлт мэдээлэл
Бүрэн эх: https://journal.mnums.edu.mn/index.php/emsu/article/view/1720
Эшлэл
А.Цэрэнсугир, Б.Оюунтөгс, Д.Гончигсүрэн, Д.Түвшинжаргал, А.Товуудорж, Г.Мөнгөнбагана нар. Чихрийн шижин хэв шинж 2-той насанд хүрэгчдийн тархины цагаан бодисын гиперинтенсив голомтын ачааллын харьцуулсан судалгаа. Эрүүл мэндийн шинжлэх ухаан. 2026;22(5):253-256.