Investigadores desenvolveram um modelo de deep learning que estima a carga de stress crónico medindo o volume da glândula adrenal em tomografias CT padrão, introduzindo o que descrevem como o primeiro biomarcador baseado em imagens para stress crónico. A métrica, chamada Adrenal Volume Index, está ligada à exposição ao cortisol, stress percebido, carga de stress fisiológico geral e risco cardiovascular a longo prazo, de acordo com resultados a serem apresentados na reunião anual da Radiological Society of North America.
O stress crónico pode afetar profundamente a saúde, contribuindo para problemas como ansiedade, dificuldades de sono, dor muscular, pressão arterial alta, sistema imunitário menos eficaz e condições principais incluindo doenças cardíacas, depressão e obesidade, de acordo com a American Psychological Association.
Um novo estudo liderado por Elena Ghotbi, M.D., uma investigadora pós-doutoral na Johns Hopkins University School of Medicine em Baltimore, Maryland, propõe uma forma de visualizar o impacto a longo prazo do stress usando tomografias CT que os pacientes já recebem por outras razões.
De acordo com um relatório da Radiological Society of North America (RSNA), Ghotbi e colegas treinaram uma ferramenta de inteligência artificial de deep learning para medir automaticamente o tamanho da glândula adrenal em imagens de TC de tórax rotineiras. Todos os anos, dezenas de milhões de tomografias CT de tórax são realizadas apenas nos Estados Unidos.
A partir destas medições, a equipa derivou uma métrica que chamam Adrenal Volume Index (AVI), definida como volume adrenal em centímetros cúbicos dividido pela altura ao quadrado em metros (cm³/m²). Os investigadores descrevem o AVI como um marcador de imagem que reflete a carga de stress crónico, em contraste com testes de cortisol em ponto único no tempo que capturam níveis hormonais apenas no momento da colheita.
O estudo utilizou dados do Multi-Ethnic Study of Atherosclerosis (MESA) e incluiu adultos que realizaram imagem de TC de tórax, bem como avaliações detalhadas relacionadas com stress. O resumo da RSNA relata que a equipa ligou o AVI derivado de IA a medições de cortisol, carga alostática (uma medida composta que pode incluir fatores como índice de massa corporal, pressão arterial e níveis de glucose) e indicadores psicossociais como stress percebido e pontuações de depressão.
Valores AVI mais elevados foram associados a maior exposição geral ao cortisol, níveis de pico de cortisol mais altos e carga alostática aumentada. Os participantes que relataram níveis mais altos de stress percebido tinham AVI mais alto do que aqueles que relataram stress mais baixo. Os investigadores também descobriram que o AVI estava relacionado a um índice de massa ventricular esquerda mais alto, uma medida da estrutura cardíaca, e que para cada aumento de 1 cm³/m² no AVI, o risco de insuficiência cardíaca e morte aumentou ao longo de um seguimento de até 10 anos, de acordo com o resumo da RSNA.
"A nossa abordagem aproveita dados de imagem amplamente disponíveis e abre a porta para avaliações em grande escala do impacto biológico do stress crónico através de uma gama de condições usando tomografias CT de tórax existentes", disse Ghotbi em declarações divulgadas pela RSNA.
O autor sénior Shadpour Demehri, M.D., professor de radiologia na Johns Hopkins, disse que a técnica permite aos clínicos visualizar a carga a longo prazo do stress dentro do corpo usando um exame que muitos pacientes já fazem como parte dos cuidados rotineiros.
No relatório da RSNA, a coautora Teresa E. Seeman, Ph.D., professora de epidemiologia na UCLA, disse que o trabalho é especialmente notável porque liga uma característica de imagem obtida rotineiramente — volume adrenal — com medidas biológicas e psicológicas validadas de stress e demonstra que prevê de forma independente um resultado clínico principal.
Os investigadores dizem que este biomarcador de imagem poderia potencialmente refinar a avaliação de risco cardiovascular e estratégias preventivas sem exposição adicional à radiação ou testes extras, e que pode ser relevante através de uma gama de doenças relacionadas com stress que afetam comumente adultos de meia-idade e idosos.
Outros colaboradores listados no resumo da RSNA incluem Roham Hadidchi, Seyedhouman Seyedekrami, Quincy A. Hathaway, M.D., Ph.D., Michael Bancks, Nikhil Subhas, Matthew J. Budoff, M.D., David A. Bluemke, M.D., Ph.D., R. Graham Barr e Joao A.C. Lima, M.D.
