您的CT扫描可能揭示隐藏的心脏风险——人工智能刚刚学会如何识别它

"每年进行数百万次胸部CT扫描，通常是在健康人群中，例如用于肺癌筛查。我们的研究表明，在这些扫描中，关于心血管风险的重要信息未被注意到，" 资深作者、麻省总医院布里格姆分校人工智能医学（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行医的方式，并使内科医生能够在患者心脏病进展为心血管事件之前更早地介入。"

胸部CT扫描可以检测心脏和动脉中的钙沉积，这些沉积会增加心脏病发作的风险。量化冠状动脉钙化（CAC）的金标准使用"门控"CT扫描，这种扫描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得的大多数胸部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可检测到CAC，这促使他们开发了AI-CAC，一种深度学习算法，用于探测非门控扫描并量化CAC，以帮助预测心血管事件风险。他们在退伍军人事务部98个医疗中心的退伍军人常规护理中收集的胸部CT扫描上训练了该模型，然后在8,052次CT扫描中对AI-CAC的性能进行了测试，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，模型在确定分数高于或低于100（表示中度心血管风险）方面的准确率为87.3%。AI-CAC还能预测10年全因死亡率——CAC分数超过400的患者在10年期间的死亡风险是分数为零的患者的3.49倍。在模型识别为CAC分数非常高（大于400）的患者中，四位心脏病专家证实了几乎所有患者（99.2%）都会受益于降脂治疗。

"目前，退伍军人事务部影像系统包含数百万次非门控胸部CT扫描，这些扫描可能原本用于其他目的，而门控研究大约有50,000次。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。 "在CAC检测等任务中使用人工智能，可以帮助将医学从被动应对转向主动预防疾病，从而降低长期发病率、死亡率和医疗成本。"

研究的限制包括算法是基于纯退伍军人人群开发的。团队希望在普通人群中进行未来研究，并测试该工具是否能评估降脂药物对CAC分数的影响。

作者贡献： 除Aerts外，麻省总医院布里格姆分校的作者包括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。

资金支持： 这项工作由退伍军人事务部医疗保健系统资助。