牛津大学拉德克利夫医学系（Radcliffe Department of Medicine）查拉兰博斯·安东尼亚德斯（Charalambos Antoniades）教授领导的研究团队在《美国心脏病学会杂志》（Journal of the American College of Cardiology）发表的最新研究表明，一种开创性的人工智能（AI）工具能够预测个体在严重心力衰竭症状出现前至少五年的发病风险。
研究人员表示，该程序是首个能够利用常规心脏CT扫描准确预测心力衰竭的工具，这些扫描通常用于检查胸痛或其他病症。英国国家医疗服务体系（NHS）医院常规进行此类扫描以发现心脏问题，主要是检查冠状动脉中的脂肪斑块。研究人员指出，英国每年约有35万名患者接受心脏CT扫描。
研究团队开发的该工具能够识别心脏周围脂肪组织的纹理变化，这些变化表明下方心肌处于发炎和不健康状态。这些变化在常规医学影像检查中无法被人眼识别。
该AI系统分析这些信息，向医生发出个体罹患心力衰竭高风险的预警。研究发现，最高风险组人群罹患心力衰竭的可能性是最低风险组的20倍。最高风险组人群在未来五年内罹患心力衰竭的几率约为四分之一。利用这些信息，医生可采取措施预防心力衰竭发生或管理该病症。
该AI工具已在来自九个英国国家医疗服务体系信托机构的7万余名个体中进行训练和验证，这些受试者在完成心脏CT扫描后接受了长达十年的随访。
心力衰竭是一种使人衰弱的疾病，由于心肌损伤或问题导致心脏无法有效泵血。据估计，英国有超过100万人患有心力衰竭。
该病症通常由心脏病发作期间对心脏的损伤引起，可能立即发生或随时间推移发展，但还有许多其他导致心肌问题并逐渐引发心力衰竭的病症。
这款新型AI工具能够识别心力衰竭的缓慢发展过程以及高风险人群。在此之前，无法准确预测哪些人会以这种方式发展为心力衰竭。牛津大学研究人员发现，心脏周围的脂肪可作为心脏早期疾病信息的"传感器"，在实际心脏疾病发展前多年就改变其纹理和成分。
安东尼亚德斯教授表示："我们利用生物科学和计算技术的发展，在治疗心力衰竭方面取得了重大进展。我们的新型AI工具能够处理心脏CT扫描数据，为每位患者生成绝对风险评分，无需任何人工干预。虽然本研究使用了心脏CT扫描，但我们正致力于将此方法应用于任何原因进行的胸部CT扫描。"
"这将使医生能够就患者最佳治疗方案做出更明智的决策，为最高风险人群提供最强化的治疗。我们希望，如果该程序在全国范围内推广，将通过帮助患者延长健康生活时间来减轻医院压力。"
研究人员使用英格兰5.9万余人的匿名心脏CT扫描结果训练了该AI系统。该算法评估了心脏周围的脂肪以及个体在未来五年内是否发展为心力衰竭，以学习如何发现该疾病的早期征兆。
该程序随后使用英格兰另外13,424人的扫描结果进行测试。研究人员发现，该算法能够以86%的准确率预测个体在未来五年内罹患心力衰竭的风险。
个体的风险评分可帮助医生就患者护理做出决策，例如应多密切监测患者。治疗将因患者而异，取决于导致其高风险的特定病症。
研究团队目前正在寻求监管批准，以便在英国国家医疗服务体系中推广该工具。他们希望将其添加到全国医院放射科进行的常规心脏CT扫描分析中。
研究人员还在升级该AI工具，使其可用于任何胸部CT扫描，而不仅限于心脏CT扫描。他们预计该程序将在未来几个月内适应肺部CT扫描。这将帮助医生更广泛地识别有心力衰竭风险的人群。
安东尼亚德斯教授的研究工作由英国心脏基金会（British Heart Foundation）资助，并得到国家卫生与护理研究所（NIHR）牛津生物医学研究中心的支持。
【全文结束】
