罗切斯特，明尼苏达州——梅奥诊所的研究发现了一种强大的新方法，通过利用人工智能增强一项常规影像检查，来改善对患者长期心血管疾病风险的预测。心脏病会随时间发展，并且仍然是全球主要的死亡原因，因此早期识别风险对于预防心脏病发作、中风和其他严重后果至关重要。
这项研究突显了人工智能在帮助专家从现有医学数据中发现新见解方面日益增长的作用。研究结果在2026年美国心脏病学会科学会议上发表，并同时发表在《美国预防心脏病学杂志》上。
该研究追踪了近12,000名成年人约16年。研究人员将人工智能应用于参与者的标准冠状动脉钙扫描，以测量心脏周围的脂肪。他们比较了这种测量值单独以及结合两种标准风险评估方法的预测价值：美国心脏协会的PREVENT方程，该方程结合了年龄、性别、血压、胆固醇、糖尿病和其他传统因素；以及冠状动脉钙评分，该评分测量冠状动脉中的钙化斑块。
研究结果表明，心脏脂肪量可以独立用于预测心血管事件。当与冠状动脉钙评分和PREVENT方程结合使用时，它显著提高了长期风险预测的整体准确性，尤其是对于处于低风险类别的患者。
“心包脂肪已被认为是心血管风险的一个标志物，但这项研究展示了我们现在如何自动测量它，并利用它来有意义地改善风险预测，特别是对于处于临界或中等风险、临床决策通常不太明确的患者，”第一作者、梅奥诊所心血管医学部研究员Zahra Esmaeili说。“这为更个性化的预防策略打开了大门。”
主要发现：
- 近10%的参与者在随访期间患上了心血管疾病。
- 心脏周围脂肪量较高与心血管事件风险增加独立相关，即使在考虑了传统风险因素和冠状动脉钙评分后也是如此。
- 在所有冠状动脉钙水平上，冠状动脉脂肪量最高的参与者风险都升高。
- 添加冠状动脉脂肪测量值提高了预测心血管事件的准确性，超越了现有模型。
冠状动脉钙评分被广泛用于评估心血管风险。这项研究表明，无需额外检查或成本，就可以从同一扫描中提取更多信息。
“由于这种测量来自许多患者已经接受的影像检查，它代表了一种实用且可扩展的方法来增强心血管风险评估，”资深作者、梅奥诊所预防心脏病专家及人工智能心脏病学项目联合主任Francisco Lopez-Jimenez医学博士说。“它可以帮助临床医生更早、更有效地进行干预。”
研究人员指出，进一步的研究将有助于确定如何最好地将冠状动脉脂肪测量纳入常规临床护理，以及它是否能指导治疗决策。
这篇题为《通过心电图门控计算机断层扫描的深度学习衍生心包脂肪组织预测超越冠状动脉钙的心血管事件》的论文及完整的作者名单已发表在《美国预防心脏病学杂志》上。
/公开发布。此材料来自原始组织/作者，可能具有时效性，并经过编辑以追求清晰度、风格和长度。Mirage.News不持机构立场或偏袒任何一方，本文中表达的所有观点、立场和结论仅代表作者本人。
【全文结束】