心脏病仍然是全球头号死因。它通常在不明显的情况下缓慢发展多年。当症状出现时，疾病可能已经发展到晚期。因此，医生们一直在寻找更好的方法来更早识别风险，以便预防心脏病发作、中风和其他严重问题。
梅奥诊所的一项新研究提供了令人振奋的进展。研究人员找到了一种利用人工智能来改进医生预测长期心脏病风险的方法。该研究结果在2026年美国心脏病学会科学会议上公布，并同时发表在《美国预防心脏病学杂志》上。
该研究追踪了近12000名成年人约16年。如此长期的随访使研究人员能够观察到最终哪些人患上了心脏病，哪些人没有。
研究团队聚焦于一种常见的影像学检查，即冠状动脉钙化扫描。这种扫描已广泛用于检查动脉中的钙积聚，这是心脏病的标志。
研究人员没有增加新的检测，而是利用人工智能从现有扫描中获取更多信息。具体来说，他们测量了心脏周围的脂肪量，即心包脂肪。过去，这种脂肪很难准确测量，也未在常规诊疗中普遍使用。
结果显示，这种脂肪测量非常重要。心脏周围脂肪较多的人患心脏病的风险更高。即使在考虑了年龄、血压、胆固醇和糖尿病等传统风险因素后，这一结论依然成立。
约10%的参与者在研究期间患上了心脏病。那些心脏脂肪水平最高的人，无论其动脉中钙含量多少，其风险都显著更高。这意味着，即使在标准检测中看似低风险的人，也可能存在现在可以被检测出的隐藏风险。
研究人员还将这种新方法与现有工具进行了比较。一种常用工具是PREVENT公式，它根据个人健康因素估算风险。另一种是扫描本身的钙化评分。
当加入新的脂肪测量指标后，风险预测的准确性显著提高，尤其对于低风险或临界风险人群。
这一点很重要，因为医生通常最难对处于这些中间类别的患者做出决策。有些人可能不需要治疗，而另一些人则可能受益于早期干预。更好的信息可以帮助医生决定哪些人需要更多关注，哪些人不需要。
这种方法的另一个优势是无需额外检测或费用。由于许多患者已经接受过钙化扫描，人工智能只需分析相同的图像就能提供额外信息。这使得它成为一种实用且可扩展的医疗保健系统方法。
然而，该研究也存在局限性。虽然结果令人鼓舞，但需要更多研究来确认如何在日常实践中使用这种方法。目前尚不清楚医生应如何根据这一新测量值改变治疗决策。
总体而言，这项研究展示了人工智能如何从现有医学检测中解锁新信息。它突显了向更个性化医疗的转变，医生可以更好地了解每位患者的独特风险。
未来，此类工具可能有助于更早发现心脏病，并实现更有针对性的预防。这可能会带来更好的结果并挽救许多生命。
如果您关心心脏健康，请阅读关于食用鸡蛋如何帮助降低心脏病风险的研究，以及维生素K2可能有助于降低心脏病风险的研究。
有关心脏健康的更多信息，请参阅关于如何清除导致心脏病发作的斑块的最新研究，以及展示预防心脏病发作和中风的新方法的研究结果。
来源：梅奥诊所。
【全文结束】