梅奥诊所的研究发现了一种强有力的新方法，可以通过人工智能增强常规影像检查，从而改善患者长期心血管疾病风险的预测。心脏病随时间发展，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、中风及其他严重后果至关重要。
该研究突显了AI在帮助专家从现有医学数据中发现新见解方面日益增长的作用。研究结果在2026年美国心脏病学会科学会议上公布，并同期发表于《美国预防心脏病学杂志》。
该研究对近12000名成年人进行了约16年的随访。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。他们比较了这种测量值与两种标准风险评估方法（美国心脏协会的PREVENT方程和冠状动脉钙评分）的预测价值，以及组合使用时的效果。PREVENT方程整合了年龄、性别、血压、胆固醇、糖尿病等传统因素；冠状动脉钙评分则测量冠状动脉中的钙化斑块。
研究结果表明，心脏脂肪量可独立用于预测心血管事件。当与冠状动脉钙评分和PREVENT方程结合使用时，它显著提高了长期风险预测的整体准确性，尤其是在低风险类别患者中。
“心包脂肪已被认为是心血管风险的标志物，但这项研究展示了我们现在可以自动测量它，并利用它有意义地改善风险预测，尤其是在临床决策通常不明确的临界或中等风险患者中。”第一作者、梅奥诊所心血管医学系研究员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发生了心血管疾病。
- 心脏周围脂肪量较高与心血管事件风险增加独立相关，即使在考虑了传统风险因素和冠状动脉钙评分之后。
- 冠状动脉脂肪量最高的参与者，在所有冠状动脉钙水平下，风险均升高。
- 将冠状动脉脂肪测量加入现有模型后，预测心血管事件的准确性得到提高。
冠状动脉钙评分被广泛用于评估心血管风险。这项研究表明，无需额外检查或费用，即可从同一扫描中提取更多信息。
“由于这项测量来自许多患者已经接受的影像检查，因此它是一种实用且可扩展的增强心血管风险评估的方法。”资深作者、梅奥诊所预防心脏病专家及AI心脏病学项目联合主任Francisco Lopez-Jimenez医学博士说，“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佳地纳入常规临床护理，以及它是否能够指导治疗决策。
该论文题为《深度学习衍生的ECG门控计算机断层扫描心包脂肪组织预测冠状动脉钙之外的心血管事件》，完整作者列表发表于《美国预防心脏病学杂志》。
/公开发布，由梅奥诊所提供。此材料来自原始组织/作者，可能具有时效性，并经过编辑以保持清晰、风格和长度。Mirage.News不持机构立场或偏袒，所有观点、立场和结论仅代表作者本人。
【全文结束】