梅奥诊所的研究发现了一种增强常规影像检查的新方法：通过人工智能（AI）可以显著改善患者长期心血管疾病风险的预测。心脏病会随时间逐步发展，目前仍是全球首要死因，因此早期识别风险对于预防心脏病发作、中风及其他严重结局至关重要。
该研究凸显了AI在帮助专家从现有医疗数据中挖掘新见解方面日益重要的作用。研究结果已在2026年美国心脏病学会科学会议上发布，并同步发表于《美国预防心脏病学杂志》。
研究追踪了近1.2万名成年人约16年。研究人员将AI应用于参与者的标准冠状动脉钙扫描，以测量心脏周围的脂肪。他们比较了该测量值单独及与两种标准风险评估方法（美国心脏协会的PREVENT方程，该方程包含年龄、性别、血压、胆固醇、糖尿病及其他变量；以及冠状动脉钙化评分，即测量冠状动脉中钙化斑块）结合时的预测价值。
研究结果显示，心包脂肪体积可以独立用于预测心血管事件。当与冠状动脉钙化评分和PREVENT方程结合时，它显著提高了长期风险预测的整体准确性，尤其是在低风险患者群体中。
“心包脂肪一直被视为心血管风险的标志物，但这项研究表明，我们现在可以自动测量它，并利用它切实改善风险预测，特别是对于临界或中等风险的患者——这些患者的临床决策往往不够明确。”梅奥诊所心血管医学系第一作者兼研究员Zahra Esmaeili表示。“这为更个性化的预防策略打开了大门。”
关键发现：
- 近10%的参与者在随访期间出现了心血管疾病。
- 即使在考虑了传统风险因素和冠状动脉钙化评分后，心脏周围脂肪体积较高与心血管事件风险增加独立相关。
- 在所有冠状动脉钙化水平中，冠状动脉脂肪体积最高的参与者风险均升高。
- 在现有模型基础上加入冠状动脉脂肪测量，提高了预测心血管事件的准确性。
冠状动脉钙化评分被广泛用于评估心血管风险。这项研究表明，无需额外检测或费用，即可从同一扫描中提取更多信息。
“由于许多患者已经在接受这种影像检查，因此这一测量方法代表了一种实用且可扩展的方式来增强心血管风险评估。”梅奥诊所预防心脏病学专家、AI心脏病学项目联合主任、资深作者Francisco Lopez-Jimenez医学博士表示。“它可以帮助临床医生更早、更有效地进行干预。”
研究人员指出，进一步的研究将有助于确定如何将冠状动脉脂肪测量最好地纳入常规临床护理，以及它能否指导治疗决策。
该手稿《通过心电图门控计算机断层扫描的深度学习衍生心包脂肪组织可预测冠状动脉钙化之外的心血管事件》及完整作者列表已发表于《美国预防心脏病学杂志》。
参考文献：Esmaeili Z, Medina-Inojosa JR, Mahmoudi E, 等. 通过心电图门控心脏计算机断层扫描的深度学习衍生心包脂肪组织可预测冠状动脉钙化评分之外的心血管事件. 《美国预防心脏病学杂志》. 2026:101549. doi: 10.1016/j.ajpc.2026.101549
本文转载自以下材料。注意：材料可能已根据长度和内容进行编辑。如需更多信息，请联系引用来源。我们的新闻稿发布政策可在此处查阅。
【全文结束】