研究人员首次利用人工智能检测到慢性压力的生理迹象。
这项尖端技术被用于评估常规胸部扫描。
美国研究团队通过深度学习AI模型，识别出可通过常规影像检测的首个慢性压力生物标志物。
研究者表示，这一突破有望加速更有效的治疗方案开发。
慢性压力会同时影响身心健康，引发一系列健康问题——包括焦虑、失眠、肌肉疼痛、高血压及免疫系统功能下降。
先前研究已证实，慢性压力可能促成抑郁症、心脏病和肥胖症等重大疾病的发展。
该新研究的首席作者埃琳娜·戈特比博士开发并训练了深度学习模型，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扫描实施。
巴尔的摩约翰斯·霍普金斯大学医学院博士后研究员戈特比博士表示：“我们的方法利用了广泛可用的影像数据，为基于现有胸部CT扫描大规模评估慢性压力对多种疾病的生物学影响打开了大门。
这种AI驱动的生物标志物有望提升心血管风险分层能力，并在无需额外检测或辐射暴露的情况下指导预防性护理。”
资深作者沙德普尔·德梅赫里博士指出，慢性压力是许多成年人日常面对的普遍状况或主诉。
他表示：“首次，我们能够通过全国医院每日常规扫描‘看见’压力在体内的长期负担。
迄今为止，除问卷调查、慢性炎症等替代血清标志物以及获取极为繁琐的皮质醇测量外，我们尚未拥有测量和量化慢性压力累积效应的方法。”
研究者解释道，不同于仅提供压力水平瞬时快照的单一皮质醇测量，肾上腺体积如同慢性压力的生物学气压计。
研究团队从一项综合性研究中获取了2842名平均年龄69.3岁参与者的数据，该研究结合了胸部CT扫描、经验证的压力问卷、皮质醇测量指标以及稳态负荷标记物——即慢性压力对身体的累积生理和心理影响。
研究团队将深度学习模型应用于CT扫描，以分割并计算肾上腺体积。
唾液皮质醇采集为期两天，每日八次。
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。
研究评估了AVI与皮质醇、稳态负荷及心理社会压力测量指标（包括抑郁和感知压力问卷）之间的统计关联。
团队发现，AI衍生的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相关联。
较高的AVI与更高的皮质醇水平、峰值皮质醇及稳态负荷相关。
高感知压力的参与者AVI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1 cm³/m²，心力衰竭和死亡风险均相应上升。
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衍生的AVI与具有临床意义的重要结局相关联。
这是首个经验证且被证明对心血管结局——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兼压力与健康领域领军研究者特蕾莎·西曼表示：“三十余年来，我们已知慢性压力会通过多系统损耗身体机能。
此项工作的突破性在于，它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和心理学测量指标相联系，并证明其能独立预测重大临床结局。
这是在操作化压力对健康累积影响方面的真实进步。”
约翰斯·霍普金斯大学放射学教授德梅赫里博士指出，通过将“易于测量”的影像特征与压力及下游疾病的多项经验证指标关联，该研究引入了量化慢性压力的全新实用方法。
他补充道：“此项工作的关键意义在于，该生物标志物可从美国广泛实施的各类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。”
研究者表示，该影像生物标志物可用于与中老年人慢性压力相关的多种疾病。
研究发现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】
