一种利用人工智能（AI）分析眼部检查中拍摄的视网膜图像来评估心血管风险的新系统，展示出与标准心血管风险评估的高度相关性。该研究结果在美国心脏病学会年度科学会议（ACC.26）上公布。研究人员表示，在常规眼科检查中使用AI筛查心脏病风险，有助于让更多人了解自身风险，并促进转诊接受预防性护理。
心脏病是全球首要死因。初级保健医生和心脏病专家使用风险计算器来评估患者发生动脉粥样硬化的风险——动脉内斑块积聚可能导致心脏病发作、中风和过早死亡——并据此指导生活方式调整和必要的药物治疗。然而，并非所有人都定期接受初级保健，可能不了解自身风险或可采取的降低风险措施。
“对自身风险的认识是缺失的关键环节之一。” 该研究的主要作者、加利福尼亚州斯坦福大学医学临床教授迈克尔·V·麦康奈尔（Michael V. McConnell）医学博士表示，“眼底图像蕴含丰富的健康信息。我们可以通过AI分析这些图像，帮助人们了解自身风险，并获得基于指南的评估和预防性治疗的机会。”
麦康奈尔担任Toku公司首席健康官，该公司研发了本研究中使用的AI系统。该系统名为CLAiR，已获得美国食品药品监督管理局（FDA）的突破性设备认定。这次在美国对CLAiR进行的首次前瞻性评估结果将支持FDA的申报。
在本研究中，根据标准心血管风险评估（包括血压和胆固醇筛查），四分之一的参与者被发现心脏病风险升高。基于AI的方法通过分析就诊期间拍摄的视网膜图像中的眼底血管，在很大程度上与这一判断相符，识别高风险参与者的敏感度为91.1%，特异度为86.2%。
“即使是一张标准的视网膜照片，也能提供血管的高分辨率成像——这是观察血管组织的真实窗口。” 麦康奈尔说。
此前的研究已表明，眼部图像可用于评估糖尿病等疾病，但大多数方法依赖人类专家的解读。通过CLAiR，开发者旨在证明通过AI自动化图像分析，可以将这一方法规模化应用于临床。该AI系统经过训练，能够识别与心脏病发展相关的血管外观模式。
研究人员招募了874名年龄在40至75岁之间、未服用降脂药物且无已知动脉粥样硬化的参与者。参与者来自美国10个眼科和初级保健站点；其中一半为女性，19%为黑人或非裔美国人，26%为西班牙裔或拉丁裔。
每位参与者均使用大多数眼科诊所常用的标准相机进行视网膜成像。然后，CLAiR系统用于分析图像，识别出未来10年内发生心脏病或中风可能性为7.5%或更高的参与者——这是通常用于识别可能受益于他汀类药物治疗的患者阈值。
标准ASCVD风险计算器也用于识别处于7.5% 10年风险类别的参与者，以与CLAiR结果进行比较。为此，研究人员在同样的就诊中收集了参与者的年龄、性别、吸烟状况、血压和胆固醇数据。
总计，26%的参与者使用标准风险计算器得出的10年ASCVD风险评分达到7.5%或更高。CLAiR系统与这些结果一致，正确识别阳性病例的几率为91.1%（敏感度），正确识别阴性病例的几率为86.2%（特异度）。
基于这些结果，研究人员表示，该AI系统作为一种非侵入性筛查方法显示出前景，应在大多数眼科诊所中可行，但还需要更多工作来促进视网膜图像筛查后高危患者转诊至初级保健进行心血管评估和治疗。
“这种方法不会取代标准心血管风险评估，但它是一种潜在的提高意识的方式，尤其是对于应该接受预防性护理但尚未接受全面评估的人群。” 麦康奈尔说，“为了让患者受益，我们需要建立清晰的路径，将眼科检查中发现的升高风险与患者就医联系起来，最终获得基于指南的预防性治疗。”
总体而言，研究中获取的94%的图像能够被AI系统使用，这证明该方法在不同诊所使用的相机上均能良好运行。视网膜成像大约需要5分钟，CLAiR算法在大约30秒内返回结果，表明实施这一方法不会给临床工作流程增加太多时间。麦康奈尔表示，CLAiR系统不适用于孕妇或患有晚期眼病的人群，因为这类疾病会影响眼部血管的状况。
尽管视网膜成像在美国大多数眼科诊所都可进行，但并非所有视力保险计划都将其纳入标准就诊项目，患者可能需要额外支付成像费用。
更多信息：McConnell 等人，利用人工智能分析视网膜图像识别动脉粥样硬化性心血管疾病风险升高的前瞻性多中心临床试验。
由美国心脏病学会提供
【全文结束】