梅奥诊所的研究发现了一种强大的新方法，通过将人工智能应用于常规影像检查，可以改善患者长期心血管疾病风险的预测。心脏病是逐渐发展的，并且仍然是全球主要死因，因此早期识别风险对于预防心脏病发作、中风及其他严重后果至关重要。
这项研究凸显了AI在帮助专家从现有医学数据中挖掘新见解方面日益增长的作用。研究结果在2026年美国心脏病学会科学会议上公布，并同时发表于《美国预防心脏病学杂志》。
研究对近1.2万名成年人进行了约16年的随访。研究人员将AI应用于参与者标准的冠状动脉钙扫描，以测量心脏周围的脂肪。他们将该测量的预测价值与两种标准风险评估方法进行了单独及联合比较：美国心脏协会的PREVENT方程（纳入年龄、性别、血压、胆固醇、糖尿病等传统因素）和冠状动脉钙评分（测量冠状动脉中的钙化斑块）。
研究结果表明，心脏脂肪体积可独立用于预测心血管事件。当与冠状动脉钙评分和PREVENT方程结合使用时，它显著提高了长期风险预测的整体准确性，尤其是对于低风险类别的患者。
“心包脂肪一直被认为是心血管风险的标志，但这项研究展示了我们现在可以自动测量它，并利用它来有实际意义地改善风险预测，尤其对于临界或中等风险的患者，这些患者的临床决策往往不那么明确。这为更个性化的预防策略打开了大门。”
——第一作者、梅奥诊所心血管内科研究员Zahra Esmaeili
主要发现：
- 近10%的参与者在随访期间患上了心血管疾病。
- 心脏周围脂肪体积较高与心血管事件风险增加独立相关，即使在考虑了传统风险因素和冠状动脉钙评分之后。
- 在所有冠状动脉钙水平上，冠状动脉脂肪体积最高的参与者风险均升高。
- 将冠状动脉脂肪测量纳入后，预测心血管事件的准确性超越了现有模型。
冠状动脉钙评分被广泛用于评估心血管风险。这项研究表明，无需额外检查或费用，即可从同一扫描中提取更多信息。
“由于这项测量来自于许多患者已经在接受的影像检查，因此它是一种实用且可扩展的方法，可以增强心血管风险评估，”资深作者、预防心脏病专家、梅奥诊所AI心脏病学项目联合主任Francisco Lopez-Jimenez博士说。“它可以帮助临床医生更早、更有效地进行干预。”
研究人员指出，进一步的研究将有助于确定如何将冠状动脉脂肪测量最佳地纳入常规临床护理，以及它是否可以指导治疗决策。
来源：梅奥诊所
期刊参考文献：Esmaeili, Z., et al. (2026). Deep Learning-Derived Pericardial Adipose Tissue by Electrocardiogram-Gated Cardiac Computed Tomography Predicts Cardiovascular Events Beyond Coronary Calcium Score. American Journal of Preventive Cardiology. DOI: 10.1016/j.ajpc.2026.101549.
【全文结束】