AI在普通CT扫描中发现隐藏的应激信号

研究人员借助深度学习人工智能模型，发现了首个可在标准医学影像上直接观察到的慢性压力生物标志物，相关成果将于下周在北美放射学会（RSNA）年会上公布。
美国心理学会指出，慢性压力不仅影响情绪，还会损害身心健康，引发焦虑、失眠、肌肉疼痛、高血压及免疫系统功能下降等问题，甚至与心脏病、抑郁症、肥胖症等重大疾病相关。
该研究的主要作者、美国约翰·霍普金斯大学医学院博士后研究员Elena Ghotbi医学博士开发并训练了一种深度学习工具，能通过已完成的CT扫描计算肾上腺大小。仅在美国，每年就有上千万次胸部CT检查。Ghotbi博士表示：“我们的方法利用广泛可用的影像数据，为借助现有胸部CT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驱动的生物标志物无需额外检查或辐射，有望加强心血管风险分层并指导预防保健。”
资深作者、约翰·霍普金斯大学放射学教授Shadpour Demehri医学博士指出，慢性压力极为常见，许多成年人每天都会经历。“我们首次能通过患者在全国医院日常进行的扫描，‘看到’体内长期的压力负担。此前，除问卷、慢性炎症等替代血清标志物及获取繁琐的皮质醇测量外，我们无法量化慢性压力的累积影响。”与仅反映某一时间点压力的单次皮质醇测试不同，肾上腺大小更像是慢性压力的长期“ gauge”。
研究团队分析了“多种族动脉粥样硬化研究”中2842名参与者（平均年龄69.3岁，51%为女性）的信息。该研究整合了胸部CT影像、压力问卷、皮质醇测量及全因负荷（慢性压力对身体的累积生理心理影响）指标，因在同一人群中结合影像、生化数据和心理社会评估，成为创建影像学生物标志物的理想队列。
研究人员将深度学习模型应用于CT扫描，自动勾勒并测量肾上腺体积，定义肾上腺体积指数（AVI）为肾上腺体积（立方厘米）除以身高平方（平方米）。参与者在两天内每天提供8次唾液皮质醇样本，全因负荷则通过体重指数、肌酐等多项指标计算。
团队发现，AI生成的AVI与压力问卷、循环皮质醇水平及未来不良心血管事件一致：AVI越高，总皮质醇暴露量、峰值皮质醇水平及全因负荷越大；高感知压力者的AVI高于低压力者；AVI还与反映心脏结构的左心室质量指数相关，且每增加1立方厘米/平方米，心力衰竭和死亡风险就会上升。Ghotbi博士称：“借助长达10年的随访数据，我们证实AI得出的AVI与临床相关结局相关，这是首个经验证且对心血管结局（如心力衰竭）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Teresa E. Seeman博士（压力与健康领域先驱）表示：“三十多年来，我们已知慢性压力会损害身体多个系统。这项研究的激动人心之处在于，它将常规影像特征（肾上腺体积）与验证过的压力生物学及心理学指标联系起来，并能独立预测主要临床结局，是量化压力对健康累积影响的重要进步。”
Demehri博士解释，将简单影像测量与多种已确立的压力及疾病结局标志物结合，为日常临床实践提供了测量慢性压力的实用新方法。“其关键意义在于，该生物标志物可从美国广泛进行的CT中获取，且肾上腺体积是慢性压力生理级联反应的一部分，具有生理合理性。”研究人员指出，这种影像生物标志物或可应用于许多影响中老年人的压力相关疾病。