美国研究人员利用人工智能检测出慢性压力的首个身体迹象。这项尖端技术通过评估常规胸部扫描实现了突破。
研究团队开发深度学习AI模型，首次在常规影像检查中识别出可检测的慢性压力生物标志物。科学家表示，这一突破有望推动更快速、更有效的治疗方案。
慢性压力会同时影响身心健康，引发焦虑、失眠、肌肉疼痛、高血压及免疫系统减弱等多种健康问题。既往研究已证实，慢性压力可能导致抑郁症、心脏病和肥胖等重大疾病。
该研究首席作者埃琳娜·戈特比博士（Dr. Elena Ghotbi）开发并训练深度学习模型，用于测量现有CT扫描中的肾上腺体积。每年仅在美国就有数千万例胸部CT扫描。
巴尔的摩约翰霍普金斯大学医学院博士后研究员戈特比博士表示："我们的方法利用广泛可用的影像数据，通过现有胸部CT扫描开启大规模评估慢性压力生物影响的可能。这种AI驱动的生物标志物无需额外检测或辐射暴露，即可增强心血管风险分层并指导预防性护理。"
资深作者沙普鲁·德梅赫里博士（Dr. Shadpour Demehri）指出，慢性压力是许多成年人每日面临的普遍问题。他强调："首次得以通过患者日常接受的扫描'看见'体内长期压力负担。此前我们仅能通过问卷、慢性炎症等替代血清标志物或皮质醇测量来量化慢性压力的累积效应——而皮质醇检测过程极为繁琐。"
研究团队解释，不同于仅提供瞬时压力水平的单次皮质醇测量，肾上腺体积如同慢性压力的生物气压计。团队从2,842名平均年龄69.3岁的参与者获取数据，这些数据来自综合研究项目，包含胸部CT扫描、经验证的压力问卷、皮质醇测量及稳态负荷（慢性压力对身体的累积生理心理影响）标志物。
研究团队将深度学习模型应用于CT扫描，分割并计算肾上腺体积。唾液皮质醇在两天内每日采集八次。稳态负荷基于体重指数（BMI）、肌酐、血红蛋白、白蛋白、葡萄糖、白细胞计数、心率和血压确定。团队评估了肾上腺体积指数（AVI）与皮质醇、稳态负荷及心理社会压力测量（包括抑郁和感知压力问卷）之间的统计关联。
研究发现，AI推导的AVI与经验证的压力问卷、循环皮质醇水平及未来不良心血管结局存在相关性。较高AVI与更高皮质醇水平、峰值皮质醇及稳态负荷相关。高感知压力参与者的AVI显著高于低压力人群。AVI还与左心室质量指数升高相关，AVI每增加1cm³/m²，心力衰竭和死亡风险随之上升。
戈特比博士表示："凭借对参与者的长达十年随访数据，我们成功将AI推导的AVI与具有临床意义的结局相关联。这是首个经验证且证明对心血管结局（即心力衰竭）具有独立影响的慢性压力影像标志物。"
研究合著者、加州大学洛杉矶分校流行病学教授特蕾莎·西曼（Teresa Seeman）指出："三十余年来，我们已知慢性压力会侵蚀身体多系统功能。此项研究的突破性在于，将常规获取的影像特征——肾上腺体积——与经验证的压力生物学及心理测量相联系，并证明其能独立预测重大临床结局。这在量化压力对健康的累积影响方面迈出关键一步。"
约翰霍普金斯大学放射学教授德梅赫里博士强调，通过将"易于测量"的影像特征与多种经验证的压力指标及下游疾病关联，该研究引入了量化慢性压力的全新实用方法。他补充道："关键意义在于，该生物标志物可从美国广泛进行的各类CT扫描中获取。其次，它是肾上腺体积的生理合理测量指标，属于慢性压力生理级联反应的一部分。"
研究人员指出，该影像生物标志物可应用于中老年人群中与慢性压力相关的多种疾病。研究结果将于下周在芝加哥举行的北美放射学会（RSNA）年会上公布。
【全文结束】
