根据在美国心脏病学会年度科学会议（ACC.25）上展示的一项研究，借助人工智能（AI）模型的乳腺X光检查可以揭示出比癌症更多的信息。该研究强调了这些重要的癌症筛查工具如何也可以用于评估乳腺组织内动脉中的钙化程度——这是心血管健康的一个指标。
美国疾病控制与预防中心建议中老年女性每一到两年进行一次乳腺X光检查（乳房X光摄影），以筛查乳腺癌。每年在美国大约有4000万次乳腺X光检查。虽然在生成的图像中可以看到乳腺动脉钙化，但放射科医生通常不会量化或向患者及其临床医生报告这些信息。这项使用了一种以前未用于乳腺X光检查的AI图像分析技术的新研究表明，AI可以帮助填补这一空白，通过自动分析乳腺动脉钙化并将结果转化为心血管风险评分。
“我们看到了一个机会，让女性在接受癌症筛查的同时，还能通过乳腺X光检查获得心血管疾病的筛查。”该研究的主要作者、亚特兰大埃默里大学的博士后研究员Theo Dapamede医学博士和哲学博士表示，“我们的研究表明，乳腺动脉钙化是一个很好的心血管疾病预测指标，尤其是在60岁以下的患者中。如果我们能够早期筛查并识别这些患者，我们可以将他们转介给心脏病专家进行进一步的风险评估。”
心脏病是美国的头号死因，但在女性中仍然被低估，并且公众意识不足。研究人员表示，利用AI支持的乳腺X光检查工具可以通过更好地利用许多女性常规接受的筛查测试来帮助识别更多具有早期心血管疾病迹象的女性。
血管中的钙化是心血管损伤的一个标志，与早期心脏病或衰老有关。先前的研究表明，动脉中有钙化的女性患心脏病和中风的风险高出51%。
为了开发这项研究中使用的筛查工具，研究人员训练了一个深度学习AI模型，以分割乳腺X光图像中的钙化血管——这些钙化在X光片上显示为亮像素——并基于从电子健康记录数据中获取的信息计算未来心血管事件的风险。这种分割方法是该模型与之前用于分析乳腺动脉钙化的AI模型的不同之处。研究人员表示，该模型还因其使用了大型数据集进行训练和测试而得到加强，这些数据包括2013年至2020年间在埃默里医疗系统进行过乳腺X光检查的超过56,000名患者的图像和健康记录，以及至少五年的随访电子健康记录数据。
Dapamede说：“深度学习和AI的进步使得从图像中提取和使用更多信息来进行机会性筛查变得更加可行。”
总体结果显示，新的模型在基于乳腺X光图像对患者的心血管风险进行低、中、高分类方面表现良好。在计算两年和五年内的全因死亡率或急性心肌梗塞、中风或心力衰竭的风险后，该模型显示，在两个年龄组（60岁以下和60-80岁）中，严重心血管事件的发生率随着乳腺动脉钙化程度的增加而增加，但在80岁以上的人群中则没有这种趋势。这使该工具特别适合于为年轻女性提供早期心脏病风险预警，她们可以从早期干预中获益更多。
结果还显示，乳腺动脉钙化水平最高的女性（超过40 mm²）的五年无事件生存率显著低于最低水平（低于10 mm²）的女性。例如，最高乳腺动脉钙化水平的女性五年生存率为86.4%，而最低钙化水平的女性五年生存率为95.3%。这意味着在五年内，严重乳腺动脉钙化的患者死亡风险大约是轻度或无乳腺动脉钙化患者的2.8倍。
该AI模型是由埃默里医疗系统和梅奥诊所合作开发的，目前尚未投入使用。如果该工具通过外部验证并获得美国食品药品监督管理局的批准，研究人员表示，它可以被其他医疗系统商业化并纳入常规乳腺X光检查处理和后续护理中。研究人员还计划探索类似的AI模型如何用于评估其他条件（如外周动脉疾病和肾脏疾病）的生物标志物，这些标志物可能从乳腺X光检查中提取出来。
Dapamede将于2025年3月31日上午9:00 CT / 14:00 UTC在S401C会议室展示题为“使用基于AI的血管钙化定量评估女性不良心血管事件和死亡风险”的研究报告。
(全文结束)