尽管现代心脏病学成就斐然，我们仍难以预测谁将发生心脏病。许多人从未接受过相关筛查。如今，Bunkerhill Health、Nanox.AI和HeartLung Technologies等初创公司正运用人工智能算法分析数百万份CT扫描，以发现心脏病的早期迹象。这项技术可能成为公共健康的突破——通过旧有工具揭示那些高风险却被忽视的患者。然而其大规模应用尚未得到验证，同时引发了实施难题乃至疾病定义本身的争议。
去年，约2000万美国人接受了胸部CT扫描，原因包括车祸后检查或肺癌筛查。这些扫描常显示冠状动脉钙化（CAC）证据——心脏病发作风险的标志物——但放射科报告往往聚焦于排除骨骼损伤、危及生命的内伤或癌症，导致CAC被忽略或未提及。
专门检测CAC仍是未被充分利用的风险评估方法。数十年来，心脏动脉中的斑块经历自身生命周期，从脂质残留物硬化为钙化物。心脏病发作通常由年轻、富含脂质的不稳定斑块意外破裂引发，进而触发炎症性血栓级联反应，最终阻断心脏供血。钙化斑块通常稳定，但发现CAC表明破裂风险更高的年轻斑块很可能同时存在。
冠状动脉钙化常可在胸部CT中识别，其浓度可主观描述。通常量化CAC评分需进行心脏专用CT扫描，但通过算法从常规胸部CT计算评分的技术，有望大幅扩大该指标的获取范围。实践中，这些算法可自动提醒患者及其医生异常高评分，促使其寻求进一步诊疗。目前提供AI衍生CAC评分的初创公司规模尚小，但增长迅速。随着应用普及，这些算法或能识别出传统诊疗中被遗漏或处于医疗边缘的高风险患者。
历史上，CAC扫描曾被认为效益有限，主要面向健康焦虑人群。时至今日，多数保险公司仍不覆盖此项检查。不过观念可能正在转变：更多专家团体开始支持将CAC评分作为细化心血管风险评估的工具，并说服犹豫的患者开始服用他汀类药物。
AI衍生CAC评分的前景属于更广泛趋势——挖掘海量医疗数据以发现隐匿疾病。但实践引发诸多疑问：例如CAC评分作为普筛工具效果有限，2022年一项丹麦人群研究显示，接受CAC筛查的患者死亡率并无改善。若AI自动提供该信息，效益评估会真正改变吗？
随着广泛应用，异常CAC评分将变得普遍。谁来跟进这些发现？"许多医疗系统尚未建立大规模处理偶然钙化发现的机制，"Bunkerhill Health联合创始人尼希特·坎德瓦拉指出，"若无标准流程，你可能制造的工作量远超其价值。"
还存在这些AI生成评分能否真正改善诊疗的疑问。对有症状患者，CAC评分为零可能提供错误安全感；对无症状高评分患者，后续措施仍不确定。除他汀类药物外，尚不明确患者是否应使用瑞百安等昂贵PCSK9抑制剂。这可能促使部分人接受不必要的昂贵后续治疗，甚至造成伤害。目前医疗保险和多数保险公司不单独报销AI衍生CAC评分服务，该技术的商业价值实际上依赖于这些潜在的反向激励。
从根本上，这种方法可能改变疾病定义。波士顿贝斯以色列女执事医疗中心的医院专家兼AI学者亚当·罗德曼观察到，AI衍生CAC评分与1980年代提出的"偶发瘤"（incidentaloma）概念相似，后者指CT扫描中的意外发现。两者均颠覆了传统诊断模式——医生与患者本会主动针对具体问题进行检测。但罗德曼强调，偶发瘤仍由人工阅片发现。
如今，"基于机器的疾病分类学"时代已经来临，算法正自主定义疾病。当机器承担更多诊断，可能捕捉人类遗漏的细节，但罗德曼与笔者开始担忧诊断领域将出现双轨制：富裕者使用品牌算法，弱势群体则接受次级替代方案。
对无风险因素或脱离常规医疗的患者，AI衍生CAC评分或能及早发现问题并改写诊疗剧本。但这些评分如何触达人群、后续如何处理，以及能否最终在大规模层面改善患者预后，仍是待解之谜。现阶段——当临床医生在患者诊疗与算法输出间切换时——人类判断依然至关重要。
维沙尔·凯特帕尔是心血管疾病研究员。本文观点不代表其雇主立场。
【全文结束】
