您的CT扫描可能揭示隐藏的心脏风险——人工智能已掌握识别方法

"每年进行数百万次胸部CT扫描，通常针对健康人群，例如用于肺癌筛查。我们的研究表明，在这些扫描中，有关心血管风险的重要信息未被注意到，" 资深作者Hugo Aerts博士说，他是Mass General Brigham人工智能医学（AIM）项目的主任。"我们的研究显示，AI有潜力改变临床医生的实践方式，并使医生能在患者心脏病进展为心脏事件之前及早介入。"

胸部CT扫描可以检测到心脏和动脉中的钙化沉积，这些沉积会增加心脏病发作的风险。量化冠状动脉钙化积分（CAC）的金标准使用'门控'CT扫描，该扫描与心跳同步以减少扫描时的运动伪影。但大多数用于常规临床目的的胸部CT扫描是'非门控'的。

研究人员认识到，在这些非门控扫描中仍然可以检测出CAC，这促使他们开发了AI-CAC，一种深度学习算法，用于探查非门控扫描并量化CAC以帮助预测心血管事件风险。他们在98家VA医疗中心收集的退伍军人常规护理胸部CT扫描上训练了该模型，然后在8,052份CT扫描上测试了AI-CAC的性能，以模拟常规影像检查中的CAC筛查。

研究人员发现，AI-CAC模型在确定扫描是否含有CAC方面的准确率为89.4%。对于存在CAC的患者，该模型在判断积分是否高于或低于100（表示中度心血管风险）时的准确率为87.3%。AI-CAC还能预测10年全因死亡率——CAC积分超过400的患者在10年内的死亡风险是积分为零患者的3.49倍。在模型识别为CAC积分非常高（大于400）的患者中，四位心脏病专家证实，几乎所有人（99.2%）都能从降脂治疗中受益。

"目前，VA影像系统包含数百万份非门控胸部CT扫描，这些扫描可能是为其他目的进行的，相比之下，只有大约50,000份门控研究。这为AI-CAC利用常规收集的非门控扫描来进行心血管风险评估和提升护理提供了机会，" 第一作者Raffi Hagopian博士说，他是VA长滩医疗系统应用创新与医疗信息学组的心脏病专家和研究员。"使用AI进行诸如CAC检测等任务，可以帮助将医学从被动应对转向主动预防疾病，降低长期发病率、死亡率和医疗成本。"

研究的局限性包括算法仅基于退伍军人群体开发。该团队希望在未来在普通人群中进行研究，并测试该工具能否评估降脂药物对CAC积分的影响。

作者：除Aerts外，Mass General Brigham的作者还包括Simon Bernatz和Leonard Nürnberg。其他作者包括Raffi Hagopian、Timothy Strebel、Gregory A. Myers、Erik Offerman、Eric Zuniga、Cy Y. Kim、Angie T. Ng、James A. Iwaz、Sunny P. Singh、Evan P. Carey、Michael J. Kim、R. Spencer Schaefer、Jeannie Yu和Amilcare Gentili。

资金来源：本研究由退伍军人事务医疗保健系统资助。