您的CT扫描可能揭示隐藏的心脏风险——而人工智能刚刚学会如何发现它

"每年进行数百万次胸部CT扫描，通常是在健康人群中进行的，例如用于肺癌筛查。我们的研究表明，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、麻省总医院布莱根医疗集团人工智能医学 (AIM) 项目主任 Hugo Aerts 博士说。"我们的研究表明，人工智能有潜力改变临床医生的医疗实践方式，并使医生能够在患者心脏病进展为心脏事件之前，更早地与患者接触。"

胸部CT扫描可以检测到心脏和动脉中增加心脏病发作风险的钙沉积物。量化冠状动脉钙化 (CAC) 的金标准使用'门控'CT扫描，该技术与心跳同步以减少扫描过程中的运动。但为常规临床目的获取的大多数胸部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到CAC，这促使他们开发了AI-CAC，这是一种深度学习算法，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个退伍军人事务部医疗中心的退伍军人的常规护理中收集的胸部CT扫描数据上训练了该模型，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模型在判断扫描是否包含CAC方面的准确率达到89.4%。对于存在CAC的情况，该模型在判断评分是高于还是低于100（表心血管风险中等）方面的准确率为87.3%。AI-CAC还能预测10年全因死亡率——CAC评分超过400的患者在10年内的死亡风险比评分为零的患者高出3.49倍。在该模型识别为CAC评分极高（大于400）的患者中，四位心脏病专家证实，几乎所有人（99.2%）都将受益于降脂疗法。

"目前，退伍军人事务部影像系统包含数百万份可能因其他目的拍摄的非门控胸部CT扫描，以及约50,000份门控研究。这为AI-CAC利用常规收集的非门控扫描进行心血管风险评估和改善护理提供了机会，"第一作者、退伍军人事务部长滩医疗保健系统应用创新与医学信息学组的心脏病专家和研究员 Raffi Hagopian 医学博士说。"利用人工智能执行诸如CAC检测等任务，有助于将医学从被动反应的方法转向主动预防疾病，从而降低长期发病率、死亡率和医疗成本。"

该研究的局限性包括算法仅在退伍军人群体的数据上开发。该团队希望在普通人群中开展未来研究，并测试该工具能否评估降脂药物对CAC评分的影响。

作者：除 Aerts 外，麻省总医院布莱根医疗集团的作者还包括 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。

资助：这项工作由退伍军人事务医疗保健系统资助。