如果你多年前拍摄的旧胸部扫描片中藏着关于你心脏的秘密警告怎么办？由Mass General Brigham和VA开发的一种名为AI-CAC的新AI工具现在可以梳理常规CT扫描，以在症状出现之前检测出隐藏的心脏病迹象。
Mass General Brigham的研究人员与美国退伍军人事务部（VA）合作开发了一种新的AI工具，用于探测先前收集的CT扫描，并识别出具有高冠状动脉钙化（CAC）水平的个体，这些个体面临更大的心血管事件风险。他们的研究发表在《NEJM AI》上，显示该工具称为AI-CAC，在预测未来心脏病发作和10年死亡率方面具有高准确性和预测价值。他们的研究结果表明，广泛实施这样的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，通常是在健康人群中，例如用于筛查肺癌。我们的研究表明，这些扫描中有关心血管风险的重要信息被忽视了，”高级作者Hugo Aerts博士说，他是Mass General Brigham的人工智能医学（AIM）项目主任。“我们的研究表明，AI有可能改变临床医生行医的方式，并使医生能够在患者的心脏病发展到心脏事件之前与他们尽早接触。”
胸部CT扫描可以检测心脏和动脉中的钙沉积物，这增加了心脏病发作的风险。量化CAC的黄金标准使用的是“门控”CT扫描，这种扫描与心跳同步以减少扫描过程中的运动。但大多数出于常规临床目的获取的胸部CT扫描是“非门控”的。
研究人员意识到CAC仍然可以在这些非门控扫描中检测到，这促使他们开发了AI-CAC，一种深度学习算法，用于探测非门控扫描并量化CAC以帮助预测心血管事件的风险。他们在作为退伍军人常规护理的一部分收集的胸部CT扫描上训练了该模型，然后在8,052个CT扫描上测试了AI-CAC的性能，以模拟常规成像测试中的CAC筛查。
研究人员发现，AI-CAC模型在确定扫描是否包含CAC方面的准确率为89.4%。对于那些存在CAC的患者，该模型在确定分数是否高于或低于100（表示中度心血管风险）方面的准确率为87.3%。AI-CAC还能够预测10年全因死亡率——CAC评分超过400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。在模型识别为具有非常高CAC评分（大于400）的患者中，四名心脏病专家证实几乎所有的患者（99.2%）都会从降脂治疗中受益。
“目前，VA影像系统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拍摄的，大约有50,000次门控研究。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增强护理提供了机会，”第一作者Raffi Hagopian博士说，他是VA长滩医疗系统的应用创新和医学信息学小组的心脏病学家和研究员。“将AI用于CAC检测等任务可以帮助医学从对疾病的反应性方法转向主动预防疾病，减少长期发病率、死亡率和医疗成本。”
这项研究的局限性在于该算法是在一个完全由退伍军人组成的群体中开发的。研究团队希望在未来的一般人群中进行研究，并测试该工具是否可以评估降脂药物对CAC评分的影响。
作者包括Aerts，Mass General Brigham的Simon Bernatz和Leonard Nürnburg。其他作者包括Raffi Hagopian、Timothy Strebel、Gregory A. Myers、Erik Offerman、Eric Zuniga、Cy Y. Kim、Angie T. Ng、James A. Iwaz、Sunny P. Singh、Evan P. Carey、Michael J. Kim、R. Spencer Schaefer、Jeannie Yu和Amilcare Gentili。
资金来源：本研究由退伍军人事务部医疗保健系统资助。
(全文结束)
