摘要
背景 心血管风险在女性中评估不足。许多女性在中年进行筛查性乳腺X光检查，此时心血管疾病风险上升。乳腺X光特征如乳腺动脉钙化和组织密度与心血管风险相关。我们开发并测试了一种基于常规乳腺X光图像的心血管风险预测深度学习算法。
方法 Lifepool是一个队列，包含至少一次筛查性乳腺X光检查的女性，与住院和死亡数据库相关联。开发了一种基于DeepSurv架构的深度学习模型，从乳腺X光图像预测主要心血管事件。使用一致性指数（类似于Harrell的C统计量）将模型性能与标准风险预测模型进行比较。
结果 共纳入49,196名女性，中位随访时间为8.8年（IQR 7.7–10.6），其中3,392人经历了首次主要心血管事件。使用乳腺X光特征和参与者年龄的DeepSurv模型一致性指数为0.72（95% CI 0.71至0.73），性能与包含年龄和临床变量的现代模型相当，包括新西兰的“PREDICT”工具和美国心脏协会的“PREVENT”方程。
结论 仅基于乳腺X光特征和年龄的深度学习算法预测心血管风险的性能与传统心血管风险方程相当。基于乳腺X光检查的风险评估可能为改善女性心血管风险筛查提供新机会。
关键词 心血管疾病、风险评估、诊断成像
数据可用性声明 数据可根据合理请求获取。乳腺X光检查和参与者对调查问题的回应可向项目数据管理者申请获取。
【全文结束】