从政策要求到实施机制：弥合心血管筛查的交付差距 - AI与医疗健康

从政策要求到实施机制，Parker J.、Jackson T.和Eriksson O探讨人工智能与人群心血管筛查的交付差距

心血管疾病是欧盟(EU)死亡和残疾的主要原因，每年导致约170万人死亡，年经济损失超过2820亿欧元。(1) 欧盟委员会于2025年12月16日发布的"安全心脏计划"(Safe Hearts Plan)是首个全面的欧盟层面应对策略。(2,3) 该计划的雄心壮志广受赞誉，但评论家质疑在缺乏明确实施路径和持续资金支持的情况下，它能否真正落实。(4,5) 本文从心血管影像分析人工智能(AI)技术开发者的视角进行探讨。

该计划基于三大支柱：预防；早期检测和筛查；以及治疗、护理和康复。在此过程中，它瞄准了改变心血管疾病统计数据的正确杠杆，并正确地将数字创新和AI支持的基础设施视为所有三大支柱的关键要素。然而，筛查的政策要求并不等同于具备实施心血管筛查能力的系统，更不用说实现预期的长期结果。如果应用得当，我们认为技术可以解决决定过去筛查计划成败的结构性差距。以下我们将探讨五个关键方面。

结构性差距

能力

大规模人群筛查将产生数以千万计的额外临床数据点，而欧洲既没有、也无法在相关时间框架内培训足够的临床工作力量来通过传统手段解读这些数据。世界心脏联合会指出，该计划没有承认心脏病学、护理和初级保健的短缺问题，而这些问题直接制约了许多成员国的预防、筛查和治疗能力。(5) 这一制约是根本性的，仅靠政策雄心无法缓解。能力问题反映在对自动化工具的呼吁上，这些工具可以增强和提升现有工作力量以满足放射学需求。(6)

检测与受益的区别

既定的筛查原则指出，只有当护理路径能够对筛查结果采取行动时，筛查计划才能使患者受益。(7) 没有明确定义后续步骤的临床发现往往会引发患者焦虑、增加成本和不必要的检查，而非减少事件。因此，任何提高检测率的技术也必须根据系统对其采取行动的能力来评判。然而，实施护理路径可以改变筛查的成效：在VIVA试验中，65至74岁接受腹主动脉瘤、外周动脉疾病和高血压综合筛查的男性，通过转诊进行预防性药物治疗，全因死亡率显著降低(风险比0.93)，这主要归功于该治疗，这在人群筛查中是前所未有的。(8)

基础设施

心血管风险随时间演变，真正改善结果的筛查必须纵向跟踪个体。然而，患者数据仍然分散在影像档案、实验室系统和电子记录中，因此单一时点的准确检测无法轻易转化为持续预防。构建整合基础设施以弥合这一差距，例如一个统一跨模态心血管数据点并随时间跟踪的平台，是一项庞大而多方面的任务；但这是本文作者正在积极追求的目标。

公平性

筛查计划只能使接触到它的人受益，而医疗服务获取的不平等现象已有充分记录。(9) 筛查计划往往接触到已经与医疗服务建立联系、资源更丰富的人群。而服务不足的群体，无论其地理、社会经济地位、性别、种族或年龄如何，往往最后才被接触或完全不被接触。这种模式长期被称为"逆向关怀法则"，通常出现在心血管风险最高的群体中。(10) 因此，该计划的影响将受到其路径触及高风险人群比例的限制。此外，由于AI工具通常在已经接触医疗服务的人群数据上训练，如果不将训练和验证中的代表性作为设计要求而非假设，它们可能会扩大这一差距。

风险评估的精确性

当前使用的群体风险评估工具，如欧洲的SCORE2(11)、英国的QRISK(12)以及国家衍生模型如冰岛心脏协会的雷克雅未克研究风险评估器(13)，基于有限的一组常规变量，并将广泛的人口统计群体视为同质。它们很少利用个体自身的生理特征，通常未能充分利用现有影像。筛查计划受限于指导它的风险模型，而现有模型缺乏该计划雄心所需的分辨率。

讨论

影像：未被充分利用的资源

AI技术可以解决这些差距，我们将在未来对该期刊的贡献中逐一探讨。我们还强调了该计划未考虑的未被充分利用的资源：预先存在的医学影像。心血管疾病通常在为不相关原因获取的扫描中可见，例如肺癌筛查。这提供了一个"让每张影像都有价值"的机会，在未来和历史影像中机会性地筛查心血管疾病。

人工智能

AI使这一可能性成为现实。它能够检测但更重要的是，以人类工作力量无法达到的规模量化临床有意义的心血管发现。这种纵向评估可以丰富和指导个体的风险评估，是迈向个性化医学的真正一步。将这一能力扩展到影像模态是我们自身开发的重点。

AI在该计划中扮演重要角色，尽管我们相信它对实现所需结果是必要的，但我们必须承认其当前局限性。它们对应于这里讨论的五个相同差距。增加检测但没有可行路径的算法会加剧检测-受益差距；在代表性不足的数据集上验证的算法会加剧公平性差距；在狭窄样本上优化的算法会错误陈述个体风险，损害精确性和通用性。AI只有在按照这些差距要求的标准开发时才有意义；这是开发者的责任，但也必须得到采用这些解决方案的成员国的同等坚持。

这一原则指导着我们的工作。"AI-CARE"是一项国际、多中心验证研究，评估AI工具在不同人群和设备上的通用性，而不是针对狭窄样本进行优化(这是进入市场最有效的途径，但在实际部署中往往有缺陷)。AIATELLA的工具是在符合欧盟医疗器械法规的认证质量管理体系下生产的，并嵌入纵向队列科学中。虽然作者主张加速监管举措，以尽快将大规模筛查付诸实践，但医疗设备开发的相同严格原则不应妥协。

结论

"安全心脏计划"已将心血管筛查列为欧洲优先事项，并确保了追求它的承诺。将这一承诺转化为心血管事件的可测量减少，现在既是工程、证据和基础设施挑战，也是政治挑战。我们后续的贡献将与领域专家合作，逐一探讨这些差距，探索技术如何解决它们。目标是缩短政策要求与预防心血管事件之间的距离，并论证首次这一距离不再是雄心问题，而是执行问题。

作者

芬兰赫尔辛基AIATELLA Oy公司
英国纽卡斯尔泰恩河畔北umbria大学
美国菲尼克斯亚利桑那心脏基金会
芬兰埃斯波阿尔托大学

参考文献

OECD/European Union. "欧盟心血管健康状况". 巴黎: OECD Publishing; 2025.
欧盟委员会. "欧盟委员会致欧洲议会、理事会、欧洲经济和社会委员会及区域委员会的通讯：欧盟心血管健康计划：安全心脏计划". COM(2025) 1024. 布鲁塞尔: 欧盟委员会; 2025.
Lüscher TF. "欧洲及更广泛地区的安全心脏计划". Eur Heart J. 2026.
Tavares S, Ingram S, Jones H, Gibson I. "欧盟安全心脏计划：从政策到实际实施". Eur J Cardiovasc Nurs. 2026.
世界心脏联合会. "欧洲心血管健康的里程碑：欧盟安全心脏计划". 日内瓦: 世界心脏联合会; 2025.
Achour N, Zapata T, Saleh Y等. "人工智能在缓解放射科医生短缺影响中的作用：系统化综述". Health Technol (Berl). 2025.
Wilson JMG, Jungner G. "筛查疾病的原则和实践". Public Health Papers No. 34. 日内瓦: 世界卫生组织; 1968.
Lindholt JS, Søgaard R. "丹麦男性血管疾病人群筛查和干预(VIVA)：一项随机对照试验". Lancet. 2017;390(10109):2256-65.
The Lancet Regional Health – Europe. "容忍心血管健康差异是科学和社会的失败[社论]". Lancet Reg Health Eur. 2025;55:101445.
Tudor Hart J. "逆向关怀法则". Lancet. 1971;1:405-12.
SCORE2工作组和ESC心血管风险合作. "SCORE2风险预测算法：欧洲10年心血管疾病风险新模型". Eur Heart J. 2021;42(25):2439-54.
Hippisley-Cox J, Coupland C, Brindle P. "QRISK3风险预测算法的开发和验证：前瞻性队列研究". BMJ. 2017;357:j2099.
Aspelund T, Thorgeirsson G, Sigurdsson G, Gudnason V. "冰岛10年致命心血管疾病和冠心病风险估计：与系统性冠状动脉风险评估项目结果相当". Eur J Cardiovasc Prev Rehabil. 2007;14(6):761-8.
Foraker R, Sperling L, Bratzke L等. "非心脏胸部CT上冠状动脉钙化的机会性检测：心血管疾病预防的新兴工具：美国心脏协会科学声明". Circulation. 2025;152:e391-401.
Hagopian R, Strebel T, Bernatz S等. "退伍军人事务医院AI机会性冠状动脉钙化筛查". NEJM AI. 2025;2(6):aioa2400937.