一项大型新研究表明，作为女性健康保健常规项目的乳腺X光检查，不仅能发现乳腺癌的迹象。通过使用人工智能测量乳腺动脉中的钙化程度，研究人员能够预测哪些人现在及未来更有可能患上严重的心脏病。
研究人员分析了数千张筛查X光片，发现乳腺X光片上可见的动脉钙化与未来心血管事件之间存在明确关联，这提示了一种简单、低成本的机会，可以在女性已经参加的检查中标记出高风险个体。
AI如何将乳腺X光片转化为心脏健康警报
标准的乳腺X光筛查使用低剂量X光拍摄乳腺组织。在这些图像中，钙质沉积物会沿着乳腺动脉形成——这种迹象被称为乳腺动脉钙化（BAC）。虽然放射科医生早已能够观察到BAC，但对其进行大规模量化分析的过程一直缓慢且不一致。这正是机器学习发挥作用的地方。
研究人员训练了一个AI模型，用以识别和测量常规乳腺X光图像中动脉钙化的数量。该算法将发现分为四类——无钙化、轻度、中度和重度钙化——然后将这些类别与后续的心血管事件（如心脏病发作和中风）联系起来。
大规模证据：研究发现
这篇发表在《欧洲心脏杂志》上的论文，评估了123,762名在筛查时无已知心血管疾病的女性的乳腺X光片。分析结果显示，BAC水平与未来心脏相关疾病之间存在显著的梯度关联。
- 与无钙化的女性相比，患有轻度乳腺动脉钙化的女性，发生重大心血管事件的风险大约高出30%。
- 患有中度钙化的女性，风险大约高出70%。
- 患有重度钙化的参与者，风险增加了两到三倍。
重要的是，在研究人员调整了常见的风险因素（如糖尿病和吸烟）后，这些关联仍然存在，并且在50岁以下的女性中也存在，而这一年龄段通常被认为心血管疾病风险较低。
这对女性健康和癌症筛查的意义
心脏病是全球女性的头号死因，然而，许多女性并未获得与男性同等水平的心血管筛查和治疗。乳腺X光检查已经是一项广泛使用的预防性检查，而新方法可以利用同一次检查来标记心脏风险，无需额外的影像、辐射或预约。
关键的实际意义：
- 放射科可以将经过验证的AI工具整合到现有的乳腺X光检查工作流程中，自动评估乳腺动脉钙化。
- 被识别出乳腺动脉钙化升高的患者，可以转诊进行胆固醇检测、生活方式咨询或预防性药物治疗。
- 护理团队需要制定方案，用于通知患者和初级保健医生，并对异常发现进行随访。
来自一线的声音和实际应用
该研究的首席研究员是埃默里大学的一位心脏病专家，他将这项工作视为一种捕捉那些可能从预防保健网络中被遗漏的女性的方法。独立专家对此研究表示欢迎，认为乳腺X光检查是心血管预防中一个未被充分利用的接触点。
在一篇随附的社论中，一位加州大学圣地亚哥分校的教授强调了筛查的覆盖范围：在欧盟，大约三分之二的50至69岁女性报告在过去两年内进行过乳腺X光检查；在美国，根据美国癌症协会的指南，近70%的45岁及以上女性按时接受了筛查。然而，这些女性中有许多人并不了解自己的心脏病风险。
下一步需要做：整合、指南和试验
研究人员表示，在BAC报告成为常规流程之前，还需要采取一些实际步骤。这些步骤包括：将AI技术整合到影像软件中，建立标准化的报告阈值，以及定义护理路径，以便被标记的患者能够获得适当的后续随访。
计划中和建议的下一步行动
- 在放射科系统中部署AI工具，并开展试点项目以检验其在真实环境中的性能。
- 制定共识指南，明确何时以及如何向临床医生和患者报告BAC发现。
- 启动临床试验，检验根据BAC发现采取行动——通过检测、生活方式干预或药物治疗——是否真的能减少心脏病发作、中风和死亡。
AI在医学影像中的更广泛影响
这项工作是众多研究浪潮的一部分，这些研究展示了人工智能如何从现有医学图像中提取额外、具有临床价值的数据。从标记未确诊的疾病到提高诊断准确性，AI有潜力倍增现有筛查项目的价值。
潜在的好处包括：
- 无需新检测或额外辐射暴露即可增强疾病检测能力。
- 在可能被漏诊的人群中，更公平地识别心血管风险。
- 高效利用放射科数据支持预防医学。
同时，专家们告诫说，在广泛采用之前，必须进行仔细的验证、制定清晰的报告标准并进行周到的患者沟通。研究人员目前正在计划一项临床试验，以测试通知患者和临床医生的最佳方式，并评估基于AI检测到的BAC进行干预是否能改善预后。
【全文结束】