一项仅使用乳腺X光检查（mammogram）图像数据和年龄的深度学习算法，可能像传统心血管风险（cardiovascular risk）计算器一样准确预测重大心脏事件，最新数据表明。相关发现已在线发表于《Heart》期刊。
该算法由澳大利亚悉尼乔治全球健康研究院（The George Institute for Global Health）联合新南威尔士大学（University of New South Wales）和悉尼大学（University of Sydney）研究人员开发。首席作者、乔治全球健康研究院研究员詹妮弗·巴雷克洛夫博士（Jennifer Barraclough, PhD）表示，利用女性广泛使用的筛查流程数据，此模型可帮助预测全球不同社区女性的心血管风险。她在新闻稿中称：“我们希望这项技术未来能为农村地区提供更广泛且公平的筛查机会。”
“创新”方法
巴雷克洛夫及其团队基于澳大利亚维多利亚州城乡地区49,196名女性的常规乳腺X光检查数据，关联个人医院记录和死亡记录，设计并验证了名为DeepSurv的模型。中位随访时间为8.8年。随后，他们将该模型与依赖血压、胆固醇水平等已知心血管风险因素（cardiovascular risk factors）的多数据点传统模型进行对比。新模型一致性指数为0.72（95%置信区间0.71-0.73），性能与现有模型相当，包括新西兰PREDICT工具及纳入年龄和临床变量的美国心脏协会PREVENT方程。
迄今为止，研究人员已基于乳腺X光数据中的乳腺动脉钙化开发算法，但据论文指出，这些方法存在局限性，尤其难以预测老年女性心血管风险。“这是首个整合常规筛查乳腺X光检查中全部乳腺特征/结构的深度学习模型，而非仅依赖乳腺动脉钙化。”作者写道。
该团队使用首批可获取的左右乳腺数字化X光图像，尽可能纳入两次不同时间的检查数据。9%的案例中，首次心血管事件前仅有一组图像，故单独使用。随后通过图像编码器提取乳腺X光数据特征，并在基于神经网络的模型中整合，以预测未来十年重大不良心脏事件风险。
芝加哥拉什大学医学中心（Rush University Medical Center）拉什女性心脏中心（Rush Heart Center for Women）主任鲁帕·桑加尼医学博士（Rupa Sanghani, MD）向《Medscape医学新闻》表示：“仅凭乳腺X光的多特征和年龄，无需其他患者信息即可预测风险，这确实具有创新性。”
女性心血管风险筛查不足
桑加尼指出，女性亟需更多心血管风险模型。“我们知道心脏病在女性中被低估，且女性就诊频率不足，”她说，尽管乳腺X光检查率相对较高。“死于乳腺癌（breast cancer）的概率约为1/8，而死于心脏病的概率为1/3。”她补充道。
桑加尼认为该模型在美国具有应用潜力，但强调仍处早期阶段，且论文未详列模型使用的全部乳腺X光组件。“乳腺X光检查（mammography）正日益被视为预测女性心脏病风险的工具，或可实现早期检测。我认为这是人工智能在医疗领域的绝佳应用案例，但仍需研究成本、实施效果、结局及是否真正改善诊疗。”她表示。
悉尼大学查尔斯·珀金斯中心（Charles Perkins Centre）放射学家斯图尔特·格里夫医学博士（Stuart M Grieve, MBBS）与科林研究所（Kolling Institute of Medical Research）介入心脏病学家吉玛·菲特里医学博士（Gemma A. Figtree, MBBS）在同期社论中写道，利用乳腺X光数据“几乎不产生直接成本，且可能避免女性在乳腺筛查中与医疗系统的互动‘错失良机’”。他们指出，女性与医疗系统均“严重低估心脏病对女性的威胁”，并对“传统风险因素算法表现欠佳”表示遗憾。
他们强调，美国和英国超过67%的女性接受乳腺癌筛查。“因此，乳腺X光检查或可成为提升女性心血管风险与疾病认知的‘接触点’。”菲特里和格里夫写道。
巴雷克洛夫和桑加尼声明无相关利益冲突。菲特里报告获得澳大利亚国家卫生与医学研究理事会及多家制药公司资助，并持有数项心血管疾病相关专利。格里夫报告担任iCoreLabs公司负责人及创始人。
【全文结束】
