通过常规扫描，人工智能可以测量心脏脂肪，从而更好地预测心血管疾病风险。图片来源：Santi Nuñez/Stocksy
- 新研究表明，人工智能可以通过常规冠状动脉钙化(CAC)扫描测量心脏脂肪，无需额外检查。
- 长期随访显示，这种心脏脂肪水平较高与心血管疾病风险增加有独立关联。
- 将人工智能测得的心脏脂肪测量值加入现有风险模型，可显著提高心血管疾病风险预测的准确性。
- 研究表明，这种改进对低风险和中风险人群尤其有用，有助于更好地识别可能从早期预防性治疗中受益的人群。
心血管疾病是全球主要死亡原因，超过60%的美国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、防止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，因为许多心脏病往往在无明显症状的情况下悄然发展，直到晚期才显现症状。
冠状动脉钙化(CAC)扫描是一种常规成像检查，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，有助于预测个人的心血管疾病风险。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，使用人工智能通过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人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。
这项在2026年美国心脏病学会科学会议期间公布并发表在《美国预防心脏病学杂志》上的研究结果，强调了人工智能如何从常规成像检查中提取额外的临床有用信息。
研究发现了什么？
该研究对近12,000名接受CAC扫描的成年人进行了约16年的跟踪，以监测心血管疾病的发展。研究人员使用人工智能分析参与者的扫描结果并测量心脏周围脂肪。
他们比较了这种测量方法与两种标准风险评估方法单独使用及联合使用的预测价值。
这包括美国心脏协会(AHA)的PREVENT方程，该方程综合考虑了年龄、性别、血压、胆固醇和糖尿病等因素，以及冠状动脉钙化评分，后者测量冠状动脉中的钙化斑块。
资深研究作者、梅奥诊所预防心脏病学家兼心脏病学人工智能项目联合主任Francisco Lopez-Jimenez医学博士、理学硕士、工商管理硕士告诉《今日医学新闻》：
"我们研究中最具临床意义的发现是，人工智能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'灰色地带'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风险；我们的研究表明，这种自动化生物标志物可以在这些类别中识别出可能从更早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，这不需要对患者进行任何超出当前已进行的额外成像检查，"他补充道。
心包脂肪作为心血管结果的预测指标
值得注意的是，研究结果表明心包脂肪体积可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，这一测量结果还提高了预测准确性。这一益处在那些被认为是低风险或中风险的人群中尤为明显。
"心包脂肪对预测心血管结果的贡献已在其他几项研究中显示，"该研究的第一作者、梅奥诊所心血管医学部研究员Zahra Esmaeili医学博士表示。
"然而，令我们注意到的是，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。
"特别是，较高的心包脂肪体积在临界和中风险患者中提供了更高的价值，并且在冠状动脉钙化水平低的个体中显示出高出24%的风险，"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。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，研究表明心包脂肪会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联。
然而，在临床实践中，测量心包脂肪并不是常规操作，因为手动测量耗时且不切实际。
因此，人工智能可能通过提供成像数据的自动、快速和一致的分析来实现这一测量。
"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容易因测量者不同而产生差异，"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，学会了自动识别和分割这种脂肪库，具有高准确性；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，虽然这些方法比之前的方法"校准得更好"，但它们降低了风险估计并对许多临界患者进行了"重新分类"。因此，对于中风险类别的患者，它们的临床准确性可能较低，可能导致治疗决策的变化。
研究人员建议，将人工智能衍生的心脏脂肪测量值与传统工具相结合，可以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。
"最可能受益的群体是在临界和中PREVENT风险类别中的群体，其中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较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，较高的心包脂肪对体重指数正常的患者的心血管事件具有预后价值，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，此工具不会取代现有评估；但它提供了一套新信息，可能会导致对原本不会接受此类预防护理的患者进行更早的他汀类药物治疗、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，表明人工智能可以改善心血管风险评估和检测，但仍需要进一步研究来确定如何将人工智能衍生的心包脂肪测量值最佳地整合到常规临床实践中。
【全文结束】
