انقلاب هوش مصنوعی در تشخیص استرس مزمن | نشانگر زیستی دیجیتال غیرتهاجمی جانز هاپکینز

استرس بخشی جدایی‌ناپذیر از زندگی روزمره ماست. با این حال، استرس مزمن که به صورت طولانی‌مدت ادامه پیدا می‌کند، می‌تواند سلامت جسمی و روانی ما را به خطر بیندازد و احتمال بروز بیماری‌های مختلف را افزایش دهد. در همین راستا، پژوهشگران دانشگاه جانز هاپکینز یک فناوری نوین بر پایه هوش مصنوعی ارائه کرده‌اند که می‌تواند با دقت بالا و به شکل غیرتهاجمی، استرس مزمن را از طریق نشانگری دیجیتال تشخیص دهد. این دستاورد بزرگ در نشست سالانه انجمن رادیولوژی آمریکای شمالی (RSNA) به صورت رسمی معرفی شد و توجه بسیاری از متخصصان را به خود جلب کرد.

ترکیب منحصر به فرد بیولوژی و روانشناسی در نشانگر دیجیتال استرس

یکی از ویژگی‌های برجسته این پژوهش، رویکرد ترکیبی آن است که علاوه بر معیارهای بیولوژیکی، شاخص‌های روانی و اجتماعی مانند پرسشنامه‌های سنجش استرس ادراک‌شده و افسردگی را نیز در تحلیل خود گنجانده است. این شاخص‌ها که به صورت بالینی اعتبارسنجی شده‌اند، همراه با سنجش کورتیزول و شاخصی به نام بار همه‌استاتیک (Allostatic Load) مورد بررسی قرار گرفته‌اند. بار همه‌استاتیک به مجموعه‌ای از اثرات تجمعی فیزیولوژیکی اطلاق می‌شود که شامل فشار خون، ضربان قلب، میزان قند خون، شاخص توده بدنی، سطح هموگلوبین، آلبومین، تعداد گلبول‌های سفید و کراتینین است.

نقش حیاتی غدد فوق‌کلیوی در واکنش بدن به استرس

غدد فوق‌کلیوی به عنوان هسته مرکزی واکنش‌های بدن به استرس، در این مطالعه به‌طور ویژه مورد توجه قرار گرفته‌اند. هنگامی که مغز با احساس تهدید مواجه می‌شود، سیگنال‌هایی از بخش آمیگدال به هیپوتالاموس ارسال می‌شود تا غدد فوق‌کلیوی را برای پاسخ سریع «مبارزه یا گریز» فعال کند. هورمون‌های کلیدی این پاسخ شامل آدرنالین، نورآدرنالین و کورتیزول هستند که نقش مهمی در افزایش ضربان قلب، فشار خون و تغییرات فیزیولوژیکی دیگر ایفا می‌کنند. اگر استرس به طور مزمن ادامه یابد، ممکن است باعث بزرگ شدن غدد فوق‌کلیوی یا همان هایپرتروفی آدرنال شود که می‌تواند نشانگر غیرتهاجمی استرس مزمن باشد.

به‌کارگیری مدل‌های پیشرفته هوش مصنوعی برای تحلیل سه‌بعدی حجم غدد

پژوهشگران با استفاده از مدل یادگیری عمیق Swin UNETR، که یک فناوری پیشرفته در زمینه پردازش تصاویر پزشکی سه‌بعدی است، و چارچوب MONAI مبتنی بر PyTorch، توانسته‌اند حجم غدد فوق‌کلیوی را از روی اسکن‌های CT با دقت بالا اندازه‌گیری کنند. این الگوریتم بر اساس آموزش داده شده با بیش از ۵۱۰۰ اسکن CT، شاخصی به نام شاخص حجم آدرنال (Adrenal Volume Index – AVI) را محاسبه می‌کند که حجم غدد را نسبت به قد فرد نشان می‌دهد. داده‌های بیش از ۲۸۰۰ شرکت‌کننده در مطالعه چندقومیتی آترواسکلروز (MESA) نیز برای ارزیابی عملکرد این سیستم هوش مصنوعی به‌کار گرفته شد.

چشم‌انداز کاربردی گسترده و نتایج قابل توجه پژوهش

با توجه به اینکه سالانه حدود ۵۰ میلیون اسکن CT در ایالات متحده انجام می‌شود، داده‌های موجود در این تصاویر می‌توانند به سرعت و به شکل مقیاس‌پذیر برای تشخیص استرس مزمن از طریق فناوری هوش مصنوعی مورد استفاده قرار گیرند. نتایج نشان داد که شاخص AVI در افرادی که استرس ادراک‌شده بیشتری داشتند یا سطح کورتیزول بالاتری را نشان می‌دادند، بیشتر بود. همچنین ارتباط معناداری بین این شاخص و اندازه بطن چپ قلب وجود داشت که می‌تواند پیش‌بینی‌کننده رویدادهای قلبی باشد. نویسندگان پژوهش اعلام کردند که حجم غدد فوق‌کلیوی نه تنها با معیارهای آزمایشگاهی و پرسشنامه‌ای مرتبط است، بلکه ارتباط مستقیمی با پیامدهای طولانی‌مدت مانند نارسایی قلبی و مرگ‌ومیر دارد.