由《英国医学杂志》出版的研究发现，一种基于常规乳腺X光图像和年龄的AI算法能够以与标准风险评估方法相当的准确度预测女性重大心血管疾病风险。研究人员指出，由于该技术利用现有医疗基础设施，常规乳腺检查或可成为经济高效的"双效筛查"方案。
研究团队指出，心血管疾病及其风险因素在女性中存在认知不足和治疗不足的问题，传统风险预测算法在女性群体中表现欠佳。虽然新型风险评分在女性中表现优于男性，但其复杂性和对详尽医疗数据的依赖限制了应用。
研究发现乳腺动脉钙化（BAC）和乳腺组织密度与心血管疾病风险相关，但BAC与肥胖无关且与吸烟呈负相关，单独使用效果有限。因此，研究团队尝试通过AI自动分析乳腺全结构特征来提升预测准确性。
研究数据来自澳大利亚维多利亚州Lifepool队列登记系统，涵盖2009-2020年间登记的49,196名平均年龄59岁的女性。参与者提供健康信息显示：5%为现吸烟者，62%体重指数(BMI)超25，6%患2型糖尿病，33%使用降胆固醇药物，27%接受降压治疗，11%服用抗凝剂。
平均近9年的追踪期内，3,392名女性首次发生心血管事件（冠心病2,383例、心肌梗死656例、中风434例、心力衰竭731例）。研究人员开发的AI算法整合乳腺全结构特征和年龄数据，10年重大心血管风险预测效果与新西兰PREDICT工具和美国心脏协会PREVENT计算器相当，添加临床因素后仅小幅提升预测效果。
研究者承认局限性：不同扫描仪数据存在差异、心血管风险因素依赖自述、深度学习模型完全依赖训练数据。但强调该模型无需额外医疗数据，利用现有女性普遍接受的乳腺筛查流程。
悉尼大学Gemma Figtree教授和Stuart Grieve博士在相关评论中指出，传统风险预测算法在女性中的不足叠加女性自身和医疗系统对心脏病威胁的认知不足。他们强调乳腺癌全球死亡率仅占心血管疾病的10%，乳腺X光检查或可成为提升女性心血管认知的重要契机。
研究同时指出，尽管机器学习模型在心血管预测中逐渐普及，新型评估工具的临床转化仍面临挑战。该研究已发表于《心脏》期刊（DOI:10.1136/heartjnl-2025-325705）。
【全文结束】
