پژوهشگران در یک دستاورد مهم توانسته‌اند با استفاده از مدل‌های یادگیری عمیق، اولین بیومارکر تصویری استرس مزمن را در بدن شناسایی کنند؛ آن‌هم تنها از طریق اسکن‌های معمولی CT قفسه سینه که هر سال میلیون‌ها بار انجام می‌شوند. این یافته که در نشست سالانه RSNA ارائه خواهد شد، می‌تواند مسیر جدیدی برای اندازه‌گیری بار استرس در بدن و پیشگیری از بیماری‌های قلبی ایجاد کند.

این پژوهش به سرپرستی دکتر النا غطبی از دانشگاه جانز هاپکینز انجام شده است. او یک مدل هوش مصنوعی طراحی کرده که قادر است حجم غدد فوق‌کلیوی (آدرنال) را از روی CTهای موجود اندازه‌گیری کند. غدد آدرنال نقش کلیدی در ترشح کورتیزول، هورمون اصلی استرس، دارند. افزایش حجم این غدد به‌عنوان یک شاخص پایدار برای استرس مزمن شناخته می‌شود؛ شاخصی بسیار قابل‌اعتمادتر از آزمایش‌های نقطه‌ای کورتیزول که تنها یک لحظه از وضعیت فرد را نشان می‌دهند.

پژوهشگران داده‌های ۲۸۴۲ شرکت‌کننده را از مطالعه بزرگ Multi-Ethnic Study of Atherosclerosis بررسی کردند؛ داده‌هایی که شامل اسکن CT، سطح کورتیزول بزاقی، پرسش‌نامه‌های استرس و معیارهای بار آلواستاتیک بودند. همین ترکیب نادر از داده‌های تصویری، روانشناختی و زیستی باعث شد این مطالعه بهترین گزینه برای توسعه یک نشانگر تصویری استرس باشد.

مدل هوش مصنوعی با دقت بسیار بالا مقدار Adrenal Volume Index (AVI) را محاسبه کرد؛ معیاری که حجم آدرنال را نسبت به قد فرد می‌سنجد. یافته‌ها نشان داد:

• AVI بالا به‌طور مستقیم با افزایش کورتیزول مرتبط است.
• AVI با افزایش بار آلواستاتیک (نشانه فرسودگی سیستم‌های بدن در اثر استرس) همبستگی دارد.
• افرادی که استرس ادراک‌شده بیشتری دارند، به‌طور میانگین غدد آدرنال بزرگ‌تری دارند.
• AVI بالا با افزایش جرم عضله بطن چپ قلب و در نهایت خطر بیشتر نارسایی قلبی و مرگ‌ومیر در دوره ۱۰ ساله مرتبط است.

این نتایج توسط دکتر شادپور دمهرى، استاد رادیولوژی جانز هاپکینز، «پیشرفتی تاریخی» توصیف شد. او تأکید کرد که برای اولین‌بار می‌توان با یک اسکن ساده که قبلاً هم برای بیماران انجام می‌شود، بار واقعی و بلندمدت استرس را در داخل بدن مشاهده کرد. به‌گفته محققان، این بیومارکر جدید هم فیزیولوژیکاً معتبر است و هم به‌سادگی قابل استخراج. از آنجا که CTهای قفسه سینه هر روز در بیمارستان‌ها انجام می‌شود، می‌توان از همین داده‌ها برای پایش استرس، پیش‌بینی بیماری‌های قلبی، و حتی راهنمایی درمان‌های پیشگیرانه استفاده کرد — بدون آن‌که بیمار به آزمایش اضافی یا اشعه بیشتر نیاز داشته باشد.

پژوهشگران معتقدند این روش می‌تواند در طیف وسیعی از بیماری‌های مرتبط با استرس در افراد میانسال و سالمند کاربرد داشته باشد. ترزا سیمَن، استاد اپیدمیولوژی دانشگاه UCLA و از محققان پیشرو در حوزه استرس، این کار را «قدم بزرگی در عملیاتی کردن تأثیر تجمعی استرس بر سلامت» توصیف کرد. به‌طور کلی، این فناوری هوش مصنوعی می‌تواند نخستین ابزار کاربردی برای اندازه‌گیری عینی استرس مزمن در بدن باشد و به تغییر آینده پزشکی پیشگیرانه کمک کند.

منبع خبر: neurosciencenews