北美放射学会年会：深度学习模型识别出慢性压力的影像学生物标志物

2025年11月25日，星期二

据一项将在北美放射学会年会上公布的研究报告，一个深度学习模型已识别出一种慢性压力的影像学生物标志物。该年会将于11月30日至12月4日在芝加哥举行。

图片来源：drugs

来自马里兰州巴尔的摩市约翰斯·霍普金斯大学医学院的埃琳娜·戈特比博士及其同事，从"动脉粥样硬化多种族研究"中获取了2842名成年参与者的数据，这些参与者的肾上腺均在其非增强胸部计算机断层扫描的下部层面图像中得以完整显示。

研究人员将深度学习模型应用于这些CT扫描以计算肾上腺总体积；并将肾上腺体积指数定义为体积除以身高的平方（cm³/m²）。研究还在两天内收集了参与者的唾液皮质醇；皮质醇曲线下面积代表了总暴露水平。

研究人员发现，该深度学习模型的Dice相似系数达到了0.81±0.09；肾上腺体积中位数为9.6±4.6cm³。较高的肾上腺体积指数与较大的皮质醇曲线下面积、峰值皮质醇以及适应负荷均存在关联（β值分别为0.06、0.07和0.07）。

与感知压力低的参与者相比，感知压力高的参与者的肾上腺体积指数高出0.23cm³/m²。研究还注意到肾上腺体积指数与较高的左心室舒张末期质量指数相关（β=2.65g/m²）。肾上腺体积指数每增加1cm³/m²，与心力衰竭和死亡风险的升高相关（风险比分别为1.044和1.045）。

戈特比在一份声明中表示："这是首个经过验证并被证明对心血管结局（即心力衰竭）具有独立影响的慢性压力影像学标志物。"