一项发表在《欧洲心脏杂志》的突破性研究揭示了一种人工智能（AI）的创新应用，可能彻底改变心血管疾病的检测方式，尤其对女性而言。通过利用通常用于乳腺癌检测的常规乳腺X线筛查，研究人员开发了一种基于AI的系统，能够量化乳腺动脉钙化——心血管风险的关键标志物。这种方法有望利用现有的医疗基础设施来识别有心脏病发作、中风和其他严重心血管事件风险的女性，无需额外费用或程序。
动脉中的钙沉积（称为动脉钙化）标志着血管硬化或僵化，是心血管疾病进展的主要因素。传统上，评估此类钙化需要专门的影像学检查和昂贵的诊断测试。然而，该团队的AI模型可以直接从标准的乳腺X线图像中提取这些钙化的定量测量值，解读那些在常规乳腺癌筛查中经常被忽视的细微指标。
该研究分析了123,762名无基础心血管疾病女性的乳腺X线图像，应用机器学习算法来分割并测量乳腺动脉中钙化的程度。然后将这些测量值与纵向健康结果（包括中风、心脏病发作、心力衰竭和心血管死亡率）进行关联。值得注意的是，AI对乳腺动脉钙化（BAC）的量化成为后续心血管事件的强大独立预测因子。
据埃默里大学的首席研究员哈里·特里维迪博士称，分析显示钙负荷与心血管风险之间存在剂量依赖关系。与无钙化的女性相比，有轻度钙化的女性发生严重心血管事件的风险大约增加30%。这种风险随着中度钙化而急剧上升（风险增加超过70%），而重度钙化则使不良心血管结局的可能性翻倍或三倍。
使这一进展尤其具有变革意义的是它对不同患者亚组的适用性。AI检测到的乳腺动脉钙化的预测价值甚至对50岁以下的年轻女性也成立——这一人群通常被认为心血管风险较低，并且在预防性心脏病学工作中经常被忽视。这挑战了现有的风险分层范式，并强调了早期检测的重要性。
此外，研究队列的多样性——涵盖多个种族和民族群体，并跨越美国两个主要医疗系统——增加了研究结果的稳健性和普适性。这种包容性解决了心血管研究中一个关键缺口：尽管心脏病是全球女性死亡的主要原因，但女性仍然被不成比例地漏诊和治疗不足。
在临床实践中，将这种AI技术整合到乳腺X线检查中可以无缝扩展乳腺癌筛查平台的用途。接受乳腺X线检查的女性将同时获得心血管风险评估，而无需改变工作流程或增加额外检查，从而能够更早地启动医生与患者之间关于预防性心脏病学措施的讨论，例如胆固醇监测、生活方式改变或药物治疗。
对于医疗服务提供者而言，这一工具提供了一种实用的方法来识别高风险个体，这些个体可能仍然未被传统筛查策略（依赖自我报告或偶发临床接触）所发现。政策制定者可以利用现有的乳腺X线检查基础设施（每年覆盖数千万女性）以最小的增量资源支出在人群层面扩大心血管疾病预防。
未来的方向包括设计临床试验来评估在标准乳腺X线检查服务中实施基于AI的乳腺动脉钙化评估方案的操作方面。这些研究将澄清通知患者和医疗服务提供者的最佳方法、解决伦理问题，并确保在不同医疗环境中的公平获取。
加利福尼亚大学圣迭戈分校的洛丽·B·丹尼尔斯教授在一篇编辑评论中强调了乳腺动脉钙化作为心血管生物标志物的未开发潜力。她指出了高乳腺X线检查依从率（欧洲50–69岁女性中有三分之二，美国45岁以上女性中有近70%）与对个人心血管风险因素（如胆固醇水平）相对较低认知之间的脱节。
丹尼尔斯教授主张进行范式转变，敦促医学界将乳腺动脉钙化从乳腺X线检查中的偶然发现转变为标准化、可操作的指标。这一转变可以改变女性心血管预防的格局，利用一个值得信赖的筛查平台来弥合癌症检测与心脏健康管理之间的鸿沟。
这种新颖的人工智能应用体现了医学影像、机器学习与心血管医学的交汇，展示了重新定义现代医疗保健的跨学科创新。由于心血管疾病仍然是全球女性死亡的主要原因，此类进步对于缩小性别在诊断和治疗方面的差距至关重要，最终通过早期、个性化的干预挽救无数生命。
总之，利用常规乳腺X线检查中AI对乳腺动脉钙化的量化，为预测女性心血管风险提供了一种有前景且成本效益高的策略。通过利用已有的癌症筛查工具，这种方法有潜力彻底改变预防性心脏病学，确保在传统上被风险评估框架忽视的人群中及时识别和管理心血管疾病。
【全文结束】