近日，信息与软件工程学院医药知识工程与智能软件实验室刘勇国教授团队在肌少症肌量评估方面取得重要研究进展，相关成果“Sarcopenia Assessment Model Based on Dual-Source Modal Graph”被人工智能领域顶级会议Association for the Advancement of Artificial Intelligence（AAAI2026）接收，该会议为中国计算机学会（CCF）推荐的A类国际学术会议。软件学院硕士生郑闻弦为论文第一作者，胡荣耀副教授和刘勇国教授为通讯作者。

当前，我国正迎来深刻的人口结构转型，截至2024年底，中国60岁及以上人口已超过3亿，占总人口的21%以上，正式迈入中度老龄化社会。随着社会经济水平提升，慢性病谱变化和生活方式转型，老年人健康问题逐渐由“延长寿命”转向“提升功能”，由“治疗疾病”转向“保持能力”。肌少症是以骨骼肌量减少、肌力下降和身体功能减退为特征的老年综合征，正成为影响老年人健康与独立生活质量的重要隐患。肌少症诊断通过医生对患者肌肉质量（肌量）、肌肉力量（肌力）与躯体/肌肉功能的评估结果综合分析后获得，其中肌肉质量评估在中华医学会、亚洲肌少症工作组（AWGS）、欧洲肌少症工作组（EWGSOP）指南中均为确认肌少症诊断的核心要素。现有肌少症肌量评估方法面临模态特异性局限与肌肉功能指标整合不足等挑战，论文提出基于双源特征图的肌少症评估模型（DFGSE），创新性地融合高能与低能全身双能X射线吸收测量（DXA）图像、局部高能DXA图像及血液生化标志物，构建多模态特征交互网络。

模型通过双能特征提取技术，从低能图像有效分离软组织和骨骼信息，借助骨骼感知检测技术提取高能图像的关节特征，生成全局与局部DXA嵌入表示，与所获血检特征构成全身DXA、局部DXA与血检初始模态并构建初始模态关系图，在多关系图卷积网络（MMGCN）中通过关系感知消息传递机制实现跨模态信息深度融合，生成肌肉质量模态关系图，实现肌肉质量评估。仿真实验结果表明，在两个独立肌少症队列中，DFGSE模型在多项分类评估指标上均优于传统机器学习和现有图学习方法，为推动肌少症的早期筛查与精准管理提供新思路与技术支撑，展现人工智能赋能老年健康管理的广阔前景。

刘勇国教授牵头的医药知识工程与智能软件实验室，系统开展数智医学、人工智能、大数据等医药健康与信息科学交叉领域的前沿理论研究和关键技术研发，在公卫精准防控、临床诊疗决策、药用资源整理、方药辅助设计、老年智能照护、养生康复推荐等方面取得多项科研成果。承担国家重点研发计划、国家科技重大专项、国家科技基础资源调查专项、国家863计划、国家自然科学基金、四川省科技重大项目等多项科研课题。在Nature Communications、JAMA Network Open、Engineering、IEEE TPAMI、IEEE TIP、MIA、IEEE TFS、IEEE TC、IEEE TKDE、IJCAI、AAAI、IEEE ICDE、ACM MM等国际权威学术期刊和会议录用、发表学术论文400余篇，授权发明专利80余项，计算机软件著作权70余项。