深度学习人工智能模型首次识别慢性压力的生物标志物

据美国心理协会称，长期压力会影响身体和心理健康，导致各种问题，包括焦虑、失眠、肌肉疼痛、高血压和免疫系统减弱。研究表明，长期压力会导致重大疾病的发展，如心脏病、抑郁症和肥胖症。

该研究的主要作者Elena Ghotbi医学博士是马里兰州巴尔的摩约翰霍普金斯大学医学院的博士后研究员，她开发并训练了一个深度学习模型，可以在现有的CT扫描上测量肾上腺体积。

每年，仅在美国就进行了数千万次胸部CT扫描。

“我们的方法利用了广泛可用的成像数据，并利用现有的胸部CT扫描，为在一系列条件下对慢性应激的生物影响进行大规模评估打开了大门。这种人工智能驱动的生物标志物有可能加强心血管风险分层，并指导预防保健，而无需额外的测试或辐射。”Elena Ghotbi博士说。

资深作者Shadpour Demehri博士，说慢性压力是一种普遍的状况或抱怨，许多成年人每天都在处理。

“这是第一次，我们可以‘看到’身体内部的长期压力负担，使用全国各地医院的病人每天都要做的扫描。到目前为止，我们还没有一种方法来测量和量化慢性压力的累积效应，除了问卷调查，慢性炎症等替代血清标志物和皮质醇测量，这是非常麻烦的。”Demehri博士说。

与单一的皮质醇测量不同，它提供了压力水平的瞬间快照，肾上腺体积就像慢性压力的生物晴雨表。

在这项研究中，研究人员从动脉粥样硬化多种族研究中获得了2842名参与者（平均年龄69.3岁，51%为女性）的数据，这是一项综合研究，结合了胸部CT扫描、有效的压力问卷、皮质醇测量和适应负荷标记——慢性压力对身体的累积生理和心理影响。这种罕见的影像、生化和社会心理数据的整合，使其成为开发慢性压力影像生物标志物的最佳队列，也可能是唯一的队列。

研究人员回顾性地将他们的深度学习模型应用于CT扫描，以分割和计算肾上腺的体积。肾上腺体积指数（AVI）定义为体积（cm3）除以高度（m2）。唾液皮质醇在两天内每天收集八次。适应负荷是基于身体质量指数、肌酐、血红蛋白、白蛋白、葡萄糖、白细胞计数、心率和血压。

评估了AVI与皮质醇、适应负荷和心理社会压力测量（包括抑郁和感知压力问卷）之间的统计关联。研究人员发现，人工智能衍生的AVI与有效的压力问卷、循环皮质醇水平和未来的不良心血管结果相关。

较高的AVI与较高的皮质醇、峰值皮质醇和适应负荷相关。感知压力大的参与者比感知压力小的参与者有更高的AVI。AVI还与较高的左心室质量指数相关。AVI每增加1立方厘米/平方米，就会增加心力衰竭和死亡的风险。

Ghotbi博士说：“通过对参与者长达10年的随访数据，我们能够将人工智能衍生的AVI与临床有意义的相关结果联系起来。”“这是慢性压力的第一个影像标记，已被证实并显示对心血管结果（即心力衰竭）有独立影响。”

“三十多年来，我们已经知道慢性压力会在多个系统中消耗身体，”特雷莎·e·西曼博士说，她是加州大学洛杉矶分校的研究合著者和流行病学教授，也是压力与健康研究的先驱。“这项工作之所以如此令人兴奋，是因为它将常规获得的成像特征，肾上腺体积，与有效的压力生物学和心理学测量相联系，并表明它独立地预测了主要的临床结果。”这是将压力对健康的累积影响付诸实施的真正一步。”

Demehri博士说，通过将一种容易测量的成像特征与多种有效的压力和下游疾病指标联系起来，这项研究引入了一种全新的、实用的方法来量化慢性压力。

Demehri博士说：“这项工作的关键意义在于，这种生物标志物可以从美国因各种原因广泛进行的ct中获得。”“其次，这是一种生理上合理的肾上腺体积测量方法，肾上腺体积是慢性应激生理级联的一部分。”

研究人员表示，这种成像生物标志物可用于与中老年人慢性压力相关的各种疾病。