Utveckling och validering av en nomogram för att förutsäga återfall av lungemboli med hjälp av muskel- och fettparametrar

Varför kroppens form inne i bröstkorgen spelar roll

Lungemboli — en blodpropp som fastnar i lungornas artärer — kan vara dödlig inte bara vid första händelsen utan också om den återkommer. Läkare vill veta vilka patienter som löper störst risk för ett upprepade fall för att kunna anpassa behandling och uppföljning. Denna studie undersöker en förvånansvärt enkel datakälla som redan finns i många patienters journaler: hur muskel- och fettvävnad är fördelad inne i övre bröstkorgen på rutinmässiga CT-skanningar. Genom att omvandla dessa dolda kroppssiluettledtrådar till ett prediktionsverktyg hoppas forskarna ge kliniker en tydligare bild av vilka som verkligen är i riskzonen.

Att se bortom vanliga risklistor

Nuvarande verktyg för att bedöma risken för blodpropp i lungan bygger mest på grundläggande klinisk information och blodprover: ålder, vitala parametrar, laboratorievärden och poängsystem som Wells eller reviderade Genève. Dessa kan peka ut patienter med generellt högre eller lägre risk, men missar ofta viktiga individuella skillnader. Samtidigt har forskning inom hjärt- och lungsjukdom visat att mängd och kvalitet på skelettmuskler och fett, särskilt runt bröstkorgen, är nära kopplade till motståndskraft, inflammation och återhämtning. Dessa kroppssammansättningsmått har ändå sällan inkluderats i prediktioner om huruvida en lungpropp kommer att återkomma.

Att omvandla CT-skanningar till kroppssammansättningskartor

Forskarteamet granskade journaler från 184 vuxna som fick sin första diagnos av lungemboli mellan 2019 och 2023 och följdes upp i upp till flera år under standard behandling med blodförtunnande medel. Alla hade genomgått en specialiserad undersökning som kombinerar nukleär avbildning med lågdos-CT. Från en enda snittbild i varje CT-skanning på nivå med fjärde bröstkotan använde forskarna dedikerad programvara för att mäta nyckelfunktioner: den totala ytan av bröstmuskulatur, den specifika storleken och densiteten hos pectoralismusklerna, samt mängden och densiteten av fett precis under huden. Dessa värden speglar inte bara hur mycket muskel eller fett en person har, utan även vävnadskvalitet, som kan påverkas av åldrande, bristande kondition eller kronisk sjukdom.

Att bygga ett praktiskt prediktionsverktyg

För att avgöra vilka faktorer som bäst signalerade sannolikheten för återkommande propp kombinerade forskarna dessa avbildningsbaserade mått med standardkliniska data såsom body mass index, vita blodkroppar och förekomst av djup ventrombos i benen. De använde en statistisk procedur som automatiskt sorterar bort svagare variabler och behåller endast de som tillför meningsfull information. Åtta egenskaper framträdde som mest användbara, inklusive bröstmuskelyta och -densitet, subkutan fettyta och -densitet, body mass index, antal vita blodkroppar och benvenstrombos. Dessa vävdes ihop i ett visuellt poängschema kallat nomogram, som låter klinikern ställa in en patients värden och avläsa en uppskattad sannolikhet för återfall.

Modellens prestanda

De 184 patienterna delades upp i en större grupp för att bygga modellen och en mindre grupp för att testa den. När nomogrammet tillämpades på utvecklingsgruppen separerade det dem som senare fick en ny emboli från dem som inte gjorde det med måttlig noggrannhet; prestandan var något lägre, men ändå rimlig, i testgruppen. Lika viktigt var att de förutsagda riskerna stämde väl överens med vad som faktiskt inträffade över tid, och beslutsanalyser antydde att användning av verktyget skulle ge mer nytta än att helt enkelt behandla alla som högrisk- eller lågriskpatienter i en rad kliniska scenarier. Noterbart är att inget enskilt muskel- eller fettmått var avgörande på egen hand, men tillsammans förbättrade de möjligheten att nyansera risken.

Vad detta betyder för patienter

För personer som återhämtar sig från en blodpropp i lungan tyder denna studie på att de dolda detaljerna i deras bröstmuskler och fett — redan fångade på vanliga skanningar — tyst kan signalera hur sårbara de är för ett nytt tillbud. Genom att kombinera dessa bildledtrådar med rutinmässig klinisk information i ett enda, lättanvänt diagram kan läkare bättre identifiera vilka som behöver tätare uppföljning eller längre skydd med blodförtunnande behandling, och vilka som möjligen tryggt kan undvika extra behandling. Författarna framhåller att modellen är ett tidigt steg och måste provas i andra sjukhus och större patientgrupper. Ändå pekar den mot en framtid där kroppssammansättning blir en rutinmässig del i att skräddarsy vård efter lungemboli.

Citering: Cao, J., Niu, S., Li, X. et al. Development and validation of a nomogram for predicting pulmonary embolism recurrence using muscle and fat parameters. Sci Rep 16, 8538 (2026). https://doi.org/10.1038/s41598-026-37833-z

Nyckelord: lungemboli, kroppssammansättning, datorresonanstomografi, riskprediktion, återkommande trombos