心脏病仍然是美国死亡原因之首，仅2022年就夺走了超过70万人的生命。
每年有数百万人进行胸部计算机断层扫描（CT）以检查与心脏无关的问题，但这些扫描也捕捉到了冠状动脉钙化沉积物，这是未来冠状动脉问题的预警信号。
马萨诸塞州布里格姆医院的Hugo Aerts博士及其团队与美国退伍军人事务部合作，开发了一种名为AI-CAC的算法，将被忽视的CT扫描数据转化为早期预警系统。
扫描中的隐藏钙化预测心脏病风险
冠状动脉钙化的白色斑点是过去斑块损伤的矿物质疤痕。数十年的研究表明，任何钙化都是一个警示信号，而得分超过400的人在未来十年内死亡或心脏病发作的风险会增加三倍。
尽管如此，常规非门控胸部CT通常只用于肺部或脊柱检查，忽略了心脏。这一缺口意味着人们往往只有在出现症状后才发现自己的风险，这时生活方式改变或他汀类药物的效果已经大打折扣。
AI发现医生常忽略的钙化
AI-CAC基于深度学习方法，该方法通过审查数千张标记图像让软件自学模式。开发者使用来自98家退伍军人医院的扫描数据训练了该网络，涵盖了多种扫描仪和患者体型。
在8,052次扫描的测试集中，该模型检测到任何钙化的准确率为89%，正确区分得分高于或低于100的情况为87%。这些数字与专家读片相当，但所需时间仅为几秒钟而不是几分钟。
“每年进行数百万次胸部CT扫描，通常是针对健康人群。”Aerts表示。他认为，通过训练算法来梳理现有档案，“可以促使医生更早地与患者互动，在心脏病发展成心脏事件之前。”
心脏扫描评分预测死亡风险
AI-CAC评分超过400的患者的十年全因死亡率比得分为零的患者高出3.49倍。
四位独立的心脏病专家审查了这些高分扫描的随机样本。专家们一致认为，99%的患者将受益于降胆固醇药物，这进一步证明了该模型的临床相关性。
该项目的优势在于其规模和多样性；许多先前的钙化AI研究使用了单一厂商的门控扫描。2021年斯坦福大学领导的一项研究显示了类似的准确性，但仅有几百个测试案例。
从退伍军人到普通诊所
数据集完全来自退伍军人，这个群体比普通公众年龄更大且男性更多。
研究的主要作者Raffi Hagopian博士承认了这一局限性，但他称这是一个理想的起点。他指出，退伍军人影像档案中已经包含了“数百万次非门控胸部CT扫描”，适合机会性筛查。
将该工具推广到其他医疗系统需要在更广泛的人群、不同型号的扫描仪和不同的辐射剂量下进行验证。这项工作已经开始，几家学术中心计划在今年晚些时候进行头对头测试。
“使用AI进行诸如CAC检测等任务可以帮助医学从被动反应转向主动预防疾病，”Hagopian说。他指出了减少心脏病发作、降低成本和改善医患共同决策的潜力。
心脏扫描工具符合现有指南
2019年美国心脏病学会/美国心脏协会指南已经建议在某些患者的钙化评分为100时开始他汀类药物治疗。
目前，获取该分数通常需要安排单独的门控扫描，保险公司可能不会覆盖，限制了其应用。
AI-CAC通过阅读人们因其他原因已经进行的扫描来绕过这一障碍。如果未来的试验确认其性能，简单的放射学工作站软件更新就可以使钙化评分成为常规。
机遇与担忧
自动化钙化检测有望减轻放射科医生繁琐的任务，并在患者离开影像室之前标记高风险患者。然而，假阳性可能会引起焦虑或不必要的随访，因此临床医生需要明确的协议。
数据安全也是一个问题；退伍军人医院运营在严格的防火墙后面，私人中心也会期望同样强大的保护措施。
最后，医疗系统必须决定当算法误报时谁承担责任，以及如何报销每次警报后的额外咨询费用。
更多医院中的AI和心脏扫描
下一步的里程碑包括在社区医院测试AI-CAC，监测早期他汀类药物处方是否确实改变了结果，并将钙化评分整合到电子健康记录仪表板中，与血压和胆固醇并列。
开发者还在探索神经网络是否可以在同一过程中测量主动脉和瓣膜钙化，扩展其范围而不增加额外的辐射。
临床医生长期以来都知道钙化预示着麻烦，但手动计数那些斑点从未规模化。AI-CAC提供了一条途径，将这一知识应用于每个接受过胸部CT扫描的患者。
该研究发表在《NEJM AI》杂志上。
(全文结束)
