详细内容或原文请订阅后点击阅览
人工智能检测到第一个慢性压力的成像生物标志物
研究人员开发了一种深度学习人工智能模型，可通过 CT 扫描识别慢性压力生物标志物，从而增强预防性医疗保健和心血管风险评估。
来源:Scientific Inquirer根据下周在北美放射学会 (RSNA) 年会上发表的研究成果，研究人员使用深度学习人工智能模型，确定了首个可通过常规成像检测到的慢性应激生物标志物。
据美国心理学会称，慢性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，慢性压力会导致心脏病、抑郁症和肥胖等重大疾病的发生。
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来测量现有 CT 扫描中的肾上腺体积。
每年，仅在美国就会进行数千万次胸部 CT 扫描。
胸部CT“我们的方法利用了广泛可用的成像数据，并为使用现有的胸部 CT 扫描对一系列条件下的慢性压力的生物影响进行大规模评估打开了大门，”Ghotbi 博士说。 “这种人工智能驱动的生物标志物有可能增强心血管风险分层并指导预防性护理，而无需额外的测试或辐射。”
资深作者、约翰·霍普金斯大学放射学教授、医学博士 Shadpour Demehri 表示，慢性压力是许多成年人每天都要面对的普遍状况或抱怨。
“我们第一次可以通过全国各地医院的患者每天进行的扫描来‘看到’体内的长期压力负担。到目前为止，除了问卷、慢性炎症等替代血清标志物和皮质醇测量之外，我们还没有办法测量和量化慢性压力的累积影响，而皮质醇测量的获取非常麻烦。”德梅赫里博士说道。