研究人员主要采用了两种关键技术方法：一是生物电阻抗分析（BIA）技术，通过该技术获取儿童的体成分数据，如身高、体重、BMI、肌肉质量、脂肪质量等；二是利用 AI 算法构建预测模型，即 GP Bio Solution 软件，将体成分数据输入该软件，基于 AI 算法预测骨龄，与传统的 TW3 法进行对比。
研究结论表明，基于体成分生物标志物预测成年身高，与传统骨龄法在正常韩国儿童中具有临床等效性。使用 AI 整合无脂肪质量（FFM）、BMI 和脂肪质量等指标，可实现全面且个性化的生长评估，减少对 X 光成像及辐射暴露的依赖。这种非侵入性方法不仅能补充传统骨龄评估，还能为研究营养和体育活动在生长中的作用提供新视角。然而，该研究也存在局限性，如研究对象为健康韩国儿童，样本同质性较高，模型在不同生长阶段的预测准确性有待提高，BIA 测量结果可能受多种因素影响等。未来研究应在更广泛人群中验证该方法，包括患有生长障碍的儿童，并进一步优化预测模型。该研究成果发表在《Scientific Reports》上，为儿童生长监测领域开辟了新的方向，有望推动更精准、更安全的儿童生长评估技术的发展，助力实现更个性化的医疗干预，改善有生长异常风险儿童的健康结局。
