马萨诸塞州总医院布里格姆的研究人员与美国退伍军人事务部合作，开发了一种新的AI工具，能够通过分析之前收集的CT扫描来识别冠状动脉钙化（CAC）水平高的人群，这些人患心血管事件的风险更高。他们的研究发表在《NEJM AI》上，显示这种名为AI-CAC的工具在预测未来心脏病发作和10年死亡率方面具有很高的准确性和预测价值。研究结果表明，广泛实施这种工具可能有助于临床医生评估患者的心血管风险。
“每年进行数百万次胸部CT扫描，通常用于健康人群，例如筛查肺癌。我们的研究表明，在这些扫描中，有关心血管风险的重要信息被忽视了。”资深作者、马萨诸塞州总医院布里格姆医学人工智能（AIM）项目主任Hugo Aerts博士说。
“我们的研究表明，AI有可能改变临床医生的医疗实践方式，并使医生能够在心脏病进展到心脏事件之前更早地与患者互动。”
胸部CT扫描可以检测心脏和动脉中的钙沉积物，这些沉积物会增加心脏病发作的风险。量化CAC的金标准是使用“门控”CT扫描，这种扫描同步于心跳以减少扫描过程中的运动伪影。但大多数用于常规临床目的的胸部CT扫描是“非门控”的。
研究人员意识到，即使在这些非门控扫描中，仍然可以检测到CAC，这促使他们开发了AI-CAC，这是一种深度学习算法，能够分析非门控扫描并量化CAC，以帮助预测心血管事件的风险。他们使用从98个退伍军人事务医疗中心收集的常规护理胸部CT扫描对模型进行了训练，然后在8,052次CT扫描上测试了AI-CAC的性能，以模拟常规影像检查中的CAC筛查。
研究人员发现，AI-CAC模型在确定扫描中是否存在CAC方面的准确率为89.4%。对于存在CAC的情况，该模型在确定CAC评分是否高于或低于100（表示中度心血管风险）方面的准确率为87.3%。
AI-CAC还预测了10年全因死亡率——CAC评分为400以上的患者在10年内的死亡风险比评分为零的患者高出3.49倍。四位心脏病专家验证了模型识别出的CAC评分非常高的患者（大于400），几乎所有这些患者（99.2%）将受益于降脂治疗。
“目前，退伍军人事务成像系统中包含数百万次非门控胸部CT扫描，这些扫描可能是为了其他目的而进行的，而门控扫描只有大约50,000次。这为AI-CAC利用常规收集的非门控扫描进行心血管风险评估和提高护理提供了机会。”第一作者、退伍军人事务长滩医疗保健系统的应用创新和医学信息学组的心脏病专家Raffi Hagopian博士说。
“使用AI进行诸如CAC检测等任务可以帮助医学从被动应对转向主动预防疾病，从而减少长期发病率、死亡率和医疗费用。”
该研究的局限性在于算法是在退伍军人人群中开发的。研究团队希望在未来对普通人群进行进一步研究，并测试该工具是否可以评估降脂药物对CAC评分的影响。
更多信息：Raffi Hagopian等人，《退伍军人事务医院的AI机会性冠状动脉钙筛查》，《NEJM AI》（2025）。DOI: 10.1056/AIoa2400937
提供者：马萨诸塞州总医院布里格姆
(全文结束)
