AI支持的扫描测量心脏脂肪可更准确预测心血管风险
由Peter Morales-Brown撰写，2026年4月10日——经Jill Seladi-Schulman博士审核
![使用常规扫描，AI可测量心脏脂肪以帮助更准确预测心血管疾病风险。图片来源：Santi Nuñez/Stocksy]
- 一项新研究表明，人工智能可以从常规冠状动脉钙化(CAC)扫描中测量心脏脂肪，无需进行额外检查。
- 长期随访中，较高水平的这种心脏脂肪与心血管疾病风险增加独立相关。
- 将AI衍生的心脏脂肪测量添加到现有风险模型中，可显著提高心血管风险预测的准确性。
- 研究表明，这种改进对低风险或中等风险人群可能特别有用，有助于更好地识别可能从早期预防性护理中受益的人。
心血管疾病是全球死亡的首要原因，美国超过60%的成年人至少有一种这些疾病的危险因素。
早期诊断对于管理病情、预防不可逆的心脏损伤和减少住院至关重要。然而，早期诊断可能具有挑战性，因为许多心脏疾病在发展到晚期之前往往悄然发展而没有明显症状。
冠状动脉钙化(CAC)扫描是一种常规影像学检查，用于测量冠状动脉中的钙含量，可以检测心脏病的早期迹象。
这是一种快速且无创的检查程序，可以帮助预测个体的心血管疾病风险。随着技术的不断进步，人工智能(AI)技术在提高心血管疾病诊断的准确性、效率和及时性方面显示出巨大潜力。
现在，一项新研究表明，使用AI通过CAC扫描测量心脏周围的脂肪（称为心包脂肪），可以显著提高预测个体患心血管疾病风险的能力。
先前的研究强调了心包脂肪体积与心血管疾病之间的强关联。
这些发现在美国心脏病学会2026年科学会议期间公布，并发表在《美国预防心脏病学杂志》上，突显了AI如何从常规影像学检查中提取额外的临床有用信息。
研究发现了什么？
该研究跟踪了近12,000名接受CAC扫描的成年人约16年，以追踪心血管疾病的发展。研究人员使用AI分析参与者的扫描结果并测量心脏周围的脂肪。
他们比较了这种测量值的预测价值，以及与两种标准风险评估方法结合使用时的预测价值。
这包括美国心脏协会(AHA)的PREVENT方程，该方程纳入了年龄、性别、血压、胆固醇和糖尿病等因素，以及冠状动脉钙化评分，用于测量冠状动脉中的钙化斑块。
该研究的资深作者、梅奥诊所预防心脏病学家兼AI心脏病学项目联席执行主任Francisco Lopez-Jimenez医学博士、理学硕士、工商管理硕士告诉《医学新闻今日》：
"我们研究中最具临床意义的发现是，AI衍生的心包脂肪体积可以作为预防心脏病学中的补充工具，帮助医生更好地对落入不确定或'灰色区域'类别的患者进行风险分层。"
"当前的风险预测工具将相当比例的患者归类为临界或中等风险；我们的研究表明，这种自动生物标志物可以在这些类别中识别出可能从早期或更积极的预防性治疗和干预中受益的高风险个体，"Lopez-Jimenez指出。
"重要的是，这不需要进行超出患者已接受的额外影像学检查，"他补充道。
心包脂肪作为心血管结果的预测因子
值得注意的是，结果表明心包脂肪体积可以独立用于预测心血管事件。
重要的是，即使在考虑年龄、血压、胆固醇和糖尿病等传统因素后，心脏脂肪体积仍然是风险的预测指标。
当与现有风险模型结合时，这种测量也提高了预测准确性。对那些被认为是低风险或中等风险的人而言，这种益处尤为显著。
"心包脂肪对预测心血管结果的贡献已在其他几项研究中得到证实，"梅奥诊所心血管医学部研究员、该研究的第一作者Zahra Esmaeili医学博士表示。
"然而，令我们感到显著的是，这种生物标志物可以在传统风险因素和冠状动脉钙化评分之上，以及超越当前风险评估工具，提供增量价值，"Esmaeili指出。
"具体来说，较高的心包脂肪体积在临界和中等风险患者中提供了增值，并显示在冠状动脉钙化水平低的个体中风险高出24%，"她补充道。
为什么心脏脂肪很重要？
心包脂肪长期以来一直被认为是心血管风险的标志物。这种类型的脂肪被认为通过可能影响附近冠状动脉的炎症和代谢过程在心脏病中发挥积极作用。
例如，研究表明心包脂肪可以显著增加心力衰竭的风险，并且还与冠状动脉疾病和心肌功能障碍的更高风险相关。
然而，在临床实践中测量心包脂肪并不常规，因为手动测量耗时且不切实际。
因此，AI可能通过提供影像数据的自动、快速和一致分析来实现这种测量。
"心包脂肪在常规冠状动脉钙化扫描中可见，但为每位患者手动测量它既耗时，又会因测量者不同而产生变异性，"Lopez-Jimenez解释道。
"我们的AI模型在一组手动标注的图像上进行了训练，它学会了自动识别并高精度地分割这种脂肪库；然后它提供图像分割部分的体积，"他补充道。
改进现有风险评估工具
临床医生目前使用既定模型（如PREVENT方程）结合CAC评分来估计心血管风险。
然而，虽然这些方法比以前的方法校准得更好，但它们降低了风险估计值，并重新分类了许多临界患者。因此，对于中等风险类别的个体，它们可能临床精确度较低，可能导致治疗决策的转变。
研究人员建议，将AI衍生的心脏脂肪测量与传统工具结合使用，可显著改善长期风险预测。这可能帮助临床医生就何时开始预防性治疗做出更明智的决定。
"最有可能受益的群体是那些处于临界和中等PREVENT风险类别的群体，此时开始或加强预防性治疗的决定更为不确定，"Esmaeili告诉MNT。
"同样，冠状动脉钙化评分为零或低的患者可能携带心包脂肪体积可以帮助发现的残余心脏代谢风险，"她说。"此外，我们的分析表明，心包脂肪较高对身体质量指数正常的患者的心血管事件具有预后意义，这突显了正常体重个体中内脏脂肪的重要性。"
"在所有情况下，此工具并不取代现有评估；但它提供了一套新信息，可能促使那些原本不会接受此类预防性护理的患者更早接受他汀类药物治疗、生活方式干预或更密切的随访。"
— Zahra Esmaeili医学博士
虽然这些发现增加了越来越多的研究证据，表明AI可以改善心血管风险评估和检测，但仍有必要进行进一步研究，以确定如何最好地将AI衍生的心包测量整合到常规临床实践中。
【全文结束】