研究人员开发了一种全新的全自动人工智能算法，用于预测心脏病发作的风险。该算法被称为CAC-DAD评分，能够测量冠状动脉钙化的负担、每个病灶与冠状动脉起点的距离，并将高密度斑块重新归类为低风险，且仅需单击即可完成。研究团队发现，CAC-DAD评分在预测心脏事件风险方面比标准Agatston评分更精确和有效，尤其是在手术前后和易感人群中。结合使用Agatston评分和CAC-DAD评分可进一步提高风险预测的准确性。
西澳大利亚大学医学与公共卫生学院的研究人员Gavin Huangfu博士指出，尽管冠状动脉钙评分在预防无症状人群的心脏病方面具有革命性意义，但其测量方式存在固有缺陷。例如，它并未考虑钙化斑块在冠状动脉中的位置，而靠近动脉起始部的疾病风险更高。此外，高钙化斑块被错误地分配了更高的风险，尽管这些斑块实际上是稳定的，反而降低了心脏事件的风险。解决这些问题需要分析每个单独的斑块，这在人工分析中不可行，但人工智能可以轻松实现。
Girish Dwivedi教授指出，心脏病仍是发达国家的主要死因，最佳的治疗方法仍然是预防。钙评分是预测首次心脏病发作风险的最重要指标，优化其准确性将有助于风险的管理。个性化护理是未来的趋势，需要在基于人群的临床风险评分基础上进行个性化调查。一旦在其他研究中得到验证，这种简单而强大的CAC-DAD评分可以用于指导医疗团队对患者的管理。接下来，研究团队希望在更大规模的国际队列中进一步检验和验证CAC-DAD评分的预测能力。
【全文结束】
