常规乳房X光检查也能同时标记心血管疾病?一举两得?Routine Mammograms That Also Flag CVD: Two Birds With One Stone? | MedPage Today

环球医讯 / AI与医疗健康来源:www.medpagetoday.com美国 - 英语2026-09-14 08:17:54 - 阅读时长5分钟 - 2495字
一项回顾性队列研究表明,借助人工智能对常规乳腺X光检查中的乳腺动脉钙化进行量化,可以识别出心血管疾病风险较高的女性。研究发现,AI计算的乳腺动脉钙化面积越大,主要不良心血管事件风险越高,这为利用常规乳腺X光筛查进行早期心血管风险分层提供了机会,且无需额外辐射暴露。该研究强调了将乳腺动脉钙化作为独立预测因子的价值,并指出传统风险模型在某些人群中泛化能力有限,而这一方法有望帮助发现被忽视的高危患者,推动女性心血管疾病的预防。
乳腺X光检查人工智能乳腺动脉钙化心血管风险女性健康预防性护理心力衰竭
常规乳房X光检查也能同时标记心血管疾病?一举两得?

借助人工智能,常规乳腺X光检查或能识别出心血管风险较高的女性——一项回顾性队列研究提示了这一可能性。

在影像中,由人工智能计算出的乳腺动脉钙化(BAC)面积越大,主要不良心血管事件(MACE)的风险也越高,这在内部和外部验证队列中均得到证实。例如,在年龄较大、风险较高的外部验证队列中,BAC从零进展为阳性的女性在中位7年随访期间发生MACE的风险更高:

  • 轻度BAC(>0-10 mm²):调整后HR 1.28(95% CI 1.17-1.39)
  • 中度BAC(>10-25 mm²):调整后HR 1.79(95% CI 1.55-2.06)
  • 重度BAC(>25 mm²):调整后HR 2.80(95% CI 2.36-3.32)

“我们的研究表明,在常规乳腺X光检查中,基于人工智能的自动化BAC量化是一个强大、独立的不良心血管事件预测因子,适用于大规模多种族人群。”亚特兰大埃默里大学的Hari Trivedi医学博士及其同事在《欧洲心脏杂志》上写道。

“这种方法可在常规乳腺X光筛查期间,无需额外辐射暴露就能提供机会性心血管风险评估,从而为女性提供更早、更有效的预防性护理。”他们总结道。

Trivedi团队报告称,BAC每增加1 mm²,MACE风险就会额外显著增加2%-3%。这一结果在所有年龄段(包括50岁以下女性)中均显著,并且独立于传统危险因素和PREVENT风险评分——后者近来被推广为一种通用心血管风险分层工具。

“需要强调的是,BAC量化并非旨在替代PREVENT等综合风险模型,”作者解释道,“相反,BAC可作为发现高危患者的有力机会性标识,这些患者可能被忽视,从而推动其初级保健医生进行正规心血管风险评估。”

Trivedi在新闻稿中表示:“对女性而言,这意味着你已经进行的乳腺X光检查还能提供关于心脏健康的重要信息,促使你与医生讨论预防措施,如胆固醇检测或用药。对临床医生而言,这提供了一种实用方法,能够发现目前被漏诊的心血管风险女性。”

这种机会性筛查颇具吸引力,因为心血管疾病(CVD)——美国女性的首要死因——在女性中一直被低估和治疗不足。而40岁以上女性利用乳腺X光进行乳腺癌早期筛查的比例接近70%。

在实践中,一旦在乳腺X光上发现BAC,就应同时推动CVD危险因素优化和心力衰竭预防。加州大学圣地亚哥分校的Lori Daniels医学博士在同期社论中指出。

她特别强调了BAC与心力衰竭之间的关联。

“重要的是,BAC并非冠状动脉钙化的简单替代,”她写道,“虽然两者相关,但病理机制不同。BAC主要存在于动脉中膜,反映了血管老化和动脉僵硬。”

“这一区别在临床上意义重大,因为这些相同的合并症与心室僵硬密切相关,最终导致心力衰竭——尤其是射血分数保留的心力衰竭。”她补充道。

在这项回顾性研究中,Trivedi团队纳入了来自两个医疗系统接受乳腺X光检查的女性:埃默里医疗保健中心内部验证队列(74,124人,平均年龄55.5岁)和梅奥诊所外部验证队列(49,638人,平均年龄59.5岁)。

MACE事件和PREVENT风险变量均从电子健康记录中提取。MACE事件包括急性心肌梗死、卒中、心力衰竭和全因死亡。

BAC分析涵盖了左右两侧乳房,但最终结果取BAC最大值的一侧。内部队列中有16.1%的女性检出BAC,外部队列为20.6%。

“我们设计的目的是验证BAC量化在不同人群中的预后价值,而非在单一中心建立最终风险模型并在另一中心进行外部验证。”作者指出,“换言之,我们的目标不是创建一个适用于所有人的‘最佳拟合’风险模型,而是展示BAC作为独立预测因子即使在基线风险不同的人群中也有附加价值。”

他们补充道:“建立通用风险模型的挑战体现在数据上:动脉粥样硬化性CVD和PREVENT风险计算器在某些人群中的泛化能力并不理想。”

值得注意,该研究在种族上相当多样化,但亚裔、西班牙裔和美洲原住民的代表性仍然不足。

此外,Trivedi团队提醒,危险因素数据缺失较多,难以准确评估AI-BAC方法对风险分层的增量贡献。

尽管如此,Lori Daniels指出,将BAC与偶发性CVD联系起来的文献正在“积累”。

“这项工作的一个关键贡献是其实用、直观的报告指标:将BAC量化为面积(mm²),类似于乳腺X光中标准化的‘Agatston样’概念。”她写道,“这不仅仅是美学上的改进。物理单位有助于加快标准化、促进可重复的阈值设定,并支持实施工作流。”

“无论最终采用何种报告指标,现在是将BAC从观察转向实施的时候了——利用女性已经信赖的接触点,来推进对女性首要死因的预防。”她总结道。

来源:

  • 主要来源:European Heart Journal — Dapamede T et al “Artificial intelligence-based quantification of breast arterial calcifications to predict cardiovascular morbidity and mortality” Eur Heart J 2026; DOI: 10.1093/eurheartj/ehag128.
  • 次要来源:European Heart Journal — Daniels LB “Breast arterial calcification: a trigger for dual pathways of prevention” Eur Heart J 2026; DOI: 10.1093/eurheartj/ehag055.

利益冲突:

  • 该研究由NIH资助。
  • 研究作者声明无利益冲突。
  • Daniels报告收取了Abbott、CureMetrix、QuidelOrtho、Roche Diagnostics和Siemens的咨询费,以及Roche Diagnostics的研究资助,并曾担任QuidelOrtho和Tosoh的临床终点裁定委员会成员。

【全文结束】