AI於常規CT掃描中發現隱藏的壓力信號
科研人員利用深度學習人工智能（AI）模型，首次在常規CT掃描中測量腎上腺體積，找出一個基於影像的慢性壓力生物標記。這個新指標稱為腎上腺體積指數（Adrenal Volume Index，AVI），與人體的皮質醇水平、全身應激負荷（allostatic load）、感知壓力以及長期心血管疾病風險（包括心臟衰竭）都有高度相關性。
—
利用AI技術測量腎上腺體積，揭示慢性壓力的可量化影像標記，這標記與荷爾蒙水平、心理評估及心臟病風險息息相關。這個由簡單CT掃描得出的生物標記，有望革新臨床醫生檢測及追蹤壓力長期影響的方法。
—
科研團隊利用深度學習AI模型，成功辨識出首個能直接從標準醫學影像上觀察到的慢性壓力生物標記。該研究成果將於北美放射學會（RSNA）年度會議上發表。
慢性壓力不單影響情緒，還會損害身心健康，例如引致焦慮、失眠、肌肉疼痛、高血壓及免疫力下降。美國心理學會指出，持續壓力與心臟病、抑鬱症及肥胖等重大疾病有密切聯繫。
AI測量常規CT掃描中的腎上腺體積
研究主要作者、約翰霍普金斯大學醫學院的Elena Ghotbi博士，開發並訓練了一款深度學習工具，能利用已做過的CT掃描自動計算腎上腺大小。美國每年進行數以千萬計的胸部CT掃描，為此技術的應用提供了豐富數據。
Ghotbi博士表示：「我們的方法利用廣泛可得的影像數據，為利用現有胸部CT掃描大規模評估慢性壓力對生理影響開啟了大門。這一AI驅動的生物標記，有望提升心血管風險分層，並指導預防性護理，無需額外檢測或增加輻射暴露。」
讓身體內的壓力負擔可視化
資深作者、約翰霍普金斯大學放射學教授Shadpour Demehri指出，慢性壓力普遍存在，很多成年人每日都在經歷這種狀態。
他說：「我們首次能透過病人日常在醫院接受的掃描，『看見』體內長期壓力負擔。過去我們只能用問卷調查、血清標記（如慢性炎症）或皮質醇測量來間接評估，後者取得程序繁複。相比單次皮質醇測試反映瞬時壓力，腎上腺大小更像是慢性壓力的長期指標。」
多族裔大型隊列研究連結影像、荷爾蒙與壓力負荷
團隊分析了2,842名平均年齡69.3歲、女性佔51%的參與者數據，來自「多族裔動脈粥樣硬化研究」（Multi-Ethnic Study of Atherosclerosis）。該研究結合胸部CT影像、經驗證的壓力問卷、皮質醇測量及全身應激負荷指標（身體質量指數、肌酐、血紅蛋白、白蛋白、血糖、白血球數量、心率及血壓等），在同一批受試者中整合影像、生化和心理社會資料，是創建影像基礎慢性壓力標記的理想樣本。
研究團隊利用深度學習模型自動勾勒腎上腺輪廓並量度體積，定義腎上腺體積指數（AVI）為腎上腺體積（立方厘米）除以身高平方（平方米）。為捕捉荷爾蒙波動，參與者於兩天內每日提供八次唾液皮質醇樣本。
腎上腺體積指數與壓力、荷爾蒙及心臟風險的關聯
研究發現，AVI與各種壓力指標高度對應，包括皮質醇水平、全身應激負荷及抑鬱、感知壓力等心理量表。AVI越高，代表總體皮質醇暴露越大、峰值皮質醇水平越高，以及全身應激負荷增加。報告高感知壓力者，其AVI也較高。AVI還與左心室質量指數呈正相關，後者是心臟結構的指標。AVI每增加1 cm³/m²，心臟衰竭及死亡風險相應上升。
Ghotbi博士強調：「我們擁有長達10年的追蹤數據，能將AI計算出的AVI與臨床重要結果相關聯。這是首個經驗證且獨立影響心血管結果（尤其是心臟衰竭）的慢性壓力影像標記。」
量化壓力累積影響的新方法
UCLA流行病學教授、研究合作者Teresa E. Seeman博士表示：「過去30多年，我們知道慢性壓力會損害多個身體系統。這研究令人振奮，因為它將常規影像特徵腎上腺體積，與經驗證的生物及心理壓力指標連結起來，並證明其獨立預測重要臨床結果。這是將壓力累積影響具體化的重要進展。」
Demehri教授補充，將簡單的影像測量與多種公認的壓力及疾病標記結合，為臨床日常測量慢性壓力提供了實用新途徑。
他說：「這項研究的關鍵意義在於，這標記可從美國廣泛應用於多種原因的CT掃描中取得。其次，腎上腺體積是慢性壓力生理機制中的一環，理論基礎紮實。」
研究團隊指出，這種影像標記未來有望應用於多種常見中老年壓力相關疾病。
—
我的評論與啟示
這項研究將AI深度學習與醫學影像結合，創造出一個嶄新的慢性壓力生物標記，意義非凡。長久以來，慢性壓力的評估多仰賴主觀問卷或繁複的生化檢測，缺乏客觀、方便且可量化的指標。AVI的出現，不僅利用現有的CT影像資料，避免額外醫療負擔，更能準確反映長期壓力負荷，為臨床診斷和預防醫學開啟新局。
此外，AVI與心臟結構改變及心衰風險的關聯，揭示壓力在心血管疾病發展中扮演的不可忽視角色。對香港這樣高壓城市，壓力相關的健康問題日益嚴重，這技術或可成為篩查和風險管理的重要工具。
不過，實際應用時仍需考慮CT掃描的輻射問題與成本，並需進一步驗證不同族群和疾病背景下的適用性。未來若能結合更多非侵入式影像技術，甚至開發更便捷的壓力量測手段，將更利於推廣。
總括而言，這是醫學影像與AI融合於精神心理健康領域的創新突破，不僅提升了慢性壓力的可測量性，也為心血管疾病的預防與管理帶來嶄新視角和手段，值得全球醫學界關注及香港醫療界積極跟進。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
