美国德克萨斯州休斯顿，2026年6月19日 — HeartLung.AI今日宣布，其研究论文《冠状动脉钙化扫描中AI推导的左心房容积指数、左心房/右心房和左心房/左心室容积比预测长期心房颤动和中风》被选为美国心脏协会/美国中风协会期刊《中风》的"中风预警播客"2026年6月期专题内容。
该研究表明，应用于常规非对比冠状动脉钙化（CAC）扫描的人工智能可以提取有助于预测未来心房颤动（AF）和中风的心脏腔室测量数据。这一发现支持CAC扫描在传统Agatston钙化评分之外的更广泛作用，表明这种低成本CT检查可能在不使用对比剂或单独影像检查的情况下提供额外的预防相关信息。
研究人员汇总了多民族动脉粥样硬化研究（MESA）和弗雷明汉心脏研究后代队列的参与者级数据，对6,812名参与者进行了分析，并进行了中位数约为17年的随访。在随访期间，1,302名参与者发展为心房颤动，365名参与者经历了中风事件。在AI推导的腔室指标中排名前5%的参与者，两种结果的长期风险显著更高。
在关键发现中，左心房容积指数是未来心房颤动最强的AI推导预测指标，而左心房与右心房比率则成为中风最强的AI推导预测指标。添加这些影像生物标志物改进了风险再分类，超越了已建立的临床风险模型，包括用于心房颤动的CHARGE-AF模型和用于中风的弗雷明汉中风风险概况。
HeartLung.AI创始人兼该研究高级作者Morteza Naghavi博士表示："被'中风预警播客'专题报道是对这项工作的重要认可，也是对利用AI从已执行的扫描中解锁隐藏临床价值更广泛机会的认可。CAC扫描不应仅被视为钙化评分。借助AI，它还可以揭示与未来心房颤动和中风相关的心脏腔室重塑——这两种疾病是发病率、死亡率和医疗成本的主要原因。"
作者指出，这些发现旨在支持改进风险预测，并为未来临床研究生成假设。需要进一步研究来确定如何将CAC扫描中AI推导的腔室测量数据整合到临床工作流程、预防性护理路径、心律监测策略和中风预防项目中。
"中风预警播客"片段为中风和血管神经学社区总结了该文章及其关键发现。该播客专题凸显了人们对AI赋能的机会性影像学日益增长的兴趣，这是一种在临床事件发生前识别高风险患者的策略。
研究关键事实
文章：冠状动脉钙化扫描中AI推导的左心房容积指数、左心房/右心房和左心房/左心室容积比预测长期心房颤动和中风
期刊：《中风》
队列：多民族动脉粥样硬化研究和弗雷明汉心脏研究后代队列
参与者：总计6,812名：5,670名来自MESA，1,142名来自FHS
随访：中位数约为17年
结果：1,302例心房颤动事件和365例中风事件
主要发现：CAC扫描中AI推导的左心房体积和基于比率的指标改善了长期心房颤动和中风风险预测
关于HeartLung.AI
HeartLung.AI开发人工智能方法，从常规CT成像中提取可操作的心脏代谢和胸部健康信息。其研究计划专注于扩展冠状动脉钙化和胸部CT扫描的临床价值，超越传统的单一用途报告。
【全文结束】