利用机器学习从常规乳腺X光检查预测心血管事件
澳大利亚研究人员开发出一种基于深度学习的创新算法,能够从常规乳腺X光检查图像中预测女性心血管事件风险。该研究基于Lifepool队列49,196名女性的长期数据,中位随访8.8年,结果显示仅利用乳腺X光特征(如乳腺动脉钙化和组织密度)及年龄的模型预测性能与传统风险评估工具相当,一致性指数达0.72,可媲美新西兰PREDICT系统和美国心脏协会PREVENT方程。这一突破性发现表明,乳腺筛查过程可同步评估心脏健康,为解决女性心血管风险评估不足问题提供了新途径,具有显著临床价值和公共卫生意义,有望优化中年女性的综合健康管理策略。

