在新奥尔良，购物者经常要求"lagniappe"（发音为lan-yap），表达他们对额外赠品的期望，就像面包师赠送的第13个甜甜圈。在2026年3月19日至21日于波兰格但斯克举行的国际早期肺癌行动计划(IELCAP)、国际早期肺癌和呼吸道(IELCART)以及AGILE 3联合会议上，500名与会者重点关注了这一话题。尽管讨论范围涵盖低剂量非增强CT(LDCT)扫描中发现的多种偶发性益处、肺癌筛查测试(CTLCS)，但讨论重点集中在动脉粥样硬化性冠状动脉疾病(CAD)的"机会性筛查"上。
尽管CAD是美国死亡的主要原因（每34秒就有1人死亡），但目前尚无针对人群的筛查措施。我们确实会评估CAD的风险因素，包括吸烟、肥胖、高血压、糖尿病和高脂血症，但除了疑似心肌缺血症状的病史外，并不提供针对CAD本身的筛查测试。目前的医疗保险指南规定，只有当患者出现症状时，才建议进行心电图(ECG)、超声心动图、负荷试验或冠状动脉造影。一个核心问题是，CAD的首个症状往往是不稳定型心绞痛、心肌梗死或猝死。
冠状动脉钙化的预后价值
20世纪90年代，通过门控CT扫描获得的冠状动脉钙化(CAC)测量被证实比基于临床参数（如弗雷明汉研究）的风险评分更能准确量化未来CAD风险。当前指南指出："冠状动脉钙化是长期特异性死亡率最可靠的单一预测指标。"
随着时间推移，多项研究表明，来自非门控LDCT的CAC评分可提供与正式Agatston评分(AS)相当的结果，但这两种方法均未获准用于人群筛查或保险覆盖。
在格但斯克，演讲者提供了来自多项大型研究的数据，表明来自LDCT的CAC评分能准确预测未来CAD死亡风险。与会者普遍认同，任何CAC的存在都表明风险增加，且风险随CAC评分升高而加剧。专家建议，酌情考虑开具他汀类药物和抗高血压治疗。
肺癌筛查中的共享益处
多位研究人员证实，符合CTLCS条件的成年吸烟者中，绝大多数CAC评分高于零，许多人的评分超过1,000。目前接受他汀类药物或抗高血压药物治疗的比例不到一半。这有助于解释为何在CTLCS项目中，死于CAD的人数几乎与死于肺癌(LC)本身的人数相当，以及为何总体死亡率和CAD死亡率也有所改善。
因此，对符合CTLCS条件的个体进行筛查，为检测无症状人群中冠状动脉内动脉粥样硬化斑块的存在、位置和范围提供了一个偶然的机会，而这些人群通常不符合CAC研究的条件。
在格但斯克，来自美国、欧洲和亚洲的多个中心报告了在CTLCS中进行CAC检测和报告的经验。与会者普遍认同，高达70%的符合CTLCS条件者同时是CAD高风险人群。演讲者一致认为，LDCT扫描可提供与门控CT扫描相当的AS或序数CAC评分，提供关于钙化斑块位置和范围的详细信息。项目对通过CTLCS获得CAC评分的患者进行了长期随访。CAC评分不仅能准确预测死亡率上升，当报告评分并提供预防性护理时，CAD死亡率也有所下降。
这些发现为初级保健医生(PCPs)和心脏病专家提供了引人注目的共享益处机会，因为CTLCS已经是涵盖多达1400万美国人的保险福利，且无需额外程序成本或辐射暴露。
人工智能在机会性筛查中的应用
然而，常规在所有LDCT上报告CAC会增加放射科医生的工作量。目前，尽管美国心脏病学会和美国心脏协会建议在胸部CT上进行CAC报告的机会性筛查，但CAC在非心脏CT上仍被"系统性漏报"。
人工智能(AI)能否提供缓解方案？多项研究报告了AI的可行性和准确性，AI不仅能辅助检测肺结节、计算肿瘤生长、体积倍增时间并预测检测到的结节的LC风险，还能生成准确的CAC评分。
英国研究人员报告称，"将AI作为首要阅片者以排除阴性CT扫描，显示出大幅减少CT阅片工作量的潜力，且不会导致LC漏诊。"iDNA小组的报告指出，"随访筛查中肿瘤体积倍增评估的性能在早期识别组织学确诊癌症的快速生长方面优于人类阅片者。"
欧洲肺部研究四人组的调查人员报告称，"对单次非ECG触发的双源CT(DSCT)数据进行全自动AI分析，可提供高度准确的Agatston评分测量，临床相关降级分类率最低。"
迈向广泛整合
CAC的识别具有临床操作性。Notify 1-Project研究表明，当在非相关CT胸部检查中发现CAC时，通知医护人员和患者对开具他汀类药物有显著影响。"六个月后，通知组的他汀类药物处方率为51.2%（86人中有44人），而常规护理组为6.9%（87人中有6人）（p值<0.001）。"
最重要的是，意大利研究人员报告称，"ITALUNG在11年随访中显示心脏死亡率显著下降（每10,000人中15.6例对34例）"，并且"当报告CAC并使用心血管(CV)药物时，死亡率呈下降趋势。"
当前的AI模块能够在检测和评估肺结节生长方面提供与人类阅片者相媲美的详细报告，并减少放射科医生的工作量。Claudia Henschke博士宣布，IELCAP扫描现在首先由AI模块阅读并生成详细报告。放射科医生阅读扫描后可以修改报告，但复杂报告的耗时制作已由机器完成。此外，AI生成的CAC报告通常与人类阅片者生成的报告一致。自2023年以来，自动化AI CAC评分已在美国加州大学旧金山分校的所有非增强CT上实施。
iDNA研究人员估计，AI可将放射科医生工作量减少67%至79%。这一新信息，加上国际心脏病专家日益增长的兴趣，或许也提供了一种前进方向，以缓解美国人群CTLCS采用率极低的问题。生成更准确的未来CAD风险信息，为心脏病专家积极参与建议符合CTLCS条件的患者接受筛查提供了激励。迄今为止对将高风险患者转诊至CTLCS项目的热情不高的初级保健医生(PCPs)可能也会重新考虑。这将代表所有相关方的双赢局面。CT筛查现已显示出不仅能大幅降低LC的死亡率和发病率，还能帮助减少CAD导致的死亡。美国两大主要过早死亡原因，或许可以通过这种简单、低风险的研究得到改善，且无需额外费用，由联邦和私人医疗保险计划覆盖。
在格但斯克，还进行了关于"三大疾病"联合筛查的进一步讨论。CTLCS在检测早期阻塞性肺病和肺气肿（占美国死亡原因的5%）中的作用是一个更为复杂的话题，将在未来文章中讨论。
Frederic W. Grannis, Jr. 是一位胸外科医生。
【全文结束】
