共计 1343 个字符，预计需要花费 4 分钟才能阅读完成。
芝加哥，2025 年 11 月 25 日 /PRNewswire/ — 在即将召开的北美放射学会（RSNA）年会上，一项突破性研究将展示如何利用深度学习 AI 模型首次发现慢性压力的影像生物标志物。这一发现为慢性压力的量化评估提供了新方法，有望改变健康管理的方式。
根据美国心理学会的数据，慢性压力不仅影响心理健康，还会导致焦虑、失眠、肌肉疼痛、高血压和免疫系统功能减弱等问题。长期研究表明，慢性压力可能引发心脏病、抑郁症和肥胖症等重大疾病。
该研究由约翰霍普金斯大学医学院的博士后研究员 Elena Ghotbi 博士领导，她开发并训练了一个深度学习模型，用于测量现有 CT 扫描中的肾上腺体积。在美国，每年有数千万次胸部 CT 扫描，这一方法充分利用了广泛可用的影像数据。
“我们的研究开启了利用现有胸部 CT 扫描对慢性压力生物影响进行大规模评估的可能性，”Ghotbi 博士表示。“这种 AI 驱动的生物标志物不仅有助于心血管风险分层，还能在无需额外测试或辐射的情况下指导预防性护理。”
资深作者、约翰霍普金斯大学放射学教授 Shadpour Demehri 博士指出，慢性压力是许多成年人日常生活中普遍面临的问题。“通过这项研究，我们首次能够通过常规扫描‘看到’患者体内的长期压力负担，”Demehri 博士说。
与单一皮质醇测量提供的瞬时压力快照不同，肾上腺体积更像是慢性压力的生物气压计。在这项研究中，研究人员从动脉粥样硬化多种族研究中获取了 2,842 名参与者（平均年龄 69.3 岁；51% 为女性）的数据，结合了胸部 CT 扫描、压力问卷、皮质醇测量和稳态负荷标志物。
研究人员通过深度学习模型对 CT 扫描进行分析，计算肾上腺体积指数（AVI），并评估其与皮质醇、稳态负荷和社会心理压力测量之间的关联。研究发现，AI 得出的 AVI 与经过验证的压力问卷、循环皮质醇水平和未来的不良心血管结果密切相关。
“通过对参与者长达 10 年的随访数据，我们首次将 AI 得出的 AVI 与具有临床意义的心血管结果联系起来，”Ghotbi 博士表示。“这是第一个经过验证并显示对心力衰竭等心血管结果具有独立影响的慢性压力影像标志物。”
加州大学洛杉矶分校流行病学教授、压力与健康领域的先驱研究者 Teresa E. Seeman 博士指出：“这项研究将常规影像特征——肾上腺体积——与经过验证的生物和心理压力测量联系起来，并表明它可以独立预测主要的临床结果。这是在量化压力对健康的累积影响方面迈出的重要一步。”
Demehri 博士强调，这项研究通过将易于测量的影像特征与多个经过验证的压力和疾病指标联系起来，为量化慢性压力提供了一种全新的实用方法。“这种生物标志物可以从美国广泛进行的 CT 中获取，用于多种疾病的研究，”他说。“更重要的是，肾上腺体积的测量是慢性压力生理级联的一部分，具有生理上的合理性。”
研究人员认为，这种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。其他合著者包括 Roham Hadidchi、Seyedhouman Seyedekrami、Quincy A. Hathaway 博士、Michael Bancks、Nikhil Subhas、Matthew J. Budoff 博士、David A. Bluemke 博士、R. Graham Barr 和 Joao A.C. Lima 博士。
