将常规头部计算机断层扫描的人工智能分析整合到临床评估中，可提高心血管疾病的检出率。
根据发表在《美国心脏病学会杂志》上的研究结果，将头部计算机断层扫描(CTH)纳入常规评估可能会提高心血管疾病(CVD)的检出率。
人工智能(AI)算法的进步使得通过影像学更好地检测疾病成为可能。
为验证从常规CTH衍生的人工智能模型，美国哈佛医学院和斯坦福大学的研究人员使用了专有数据集中的数据，该数据集包含2020年至2024年间在3个医疗系统中收集的35,237名患者的98,175例CTH图像。心血管疾病预测队列包含27,990名患者，冠状动脉钙化(CAC)评分估计队列包含2,313名患者，这些患者都有配对的冠状动脉CT血管造影图像。对于CVD和CAC队列，研究人员基于美国心脏协会(AHA)的PREVENT-CVD风险方程，开发了3种模型：仅基于临床特征的模型、基于CTH图像和临床特征的模型，以及CTH+PREVENT组合模型。
CVD队列和CAC队列中女性分别占51.7%和53.5%，中位年龄分别为63岁和65岁，16.2%和21.8%的患者有肥胖，17.6%和26.4%正在使用抗高血压药物，15.1%和23.6%正在使用降脂药物，吸烟者分别占8.6%和5.9%。
这种方法为大规模机会性心血管风险筛查提供了有前景的途径，有助于早期识别和治疗传统临床模型未能捕获的高风险患者。
在CVD预测队列中，在中位随访533天期间，4%的患者经历了CVD事件，包括中风(54.1%)、心肌梗死(28.0%)和心力衰竭住院(17.9%)。
在预测CVD方面，CTH+PREVENT组合模型(C指数，0.82；95% CI，0.78-0.85)的表现与仅基于CTH特征的模型相似。
CTH+PREVENT模型相对于PREVENT-CVD排名重新评估了99.8%的患者，其中49.7%被重新分类为更高CVD风险。与被下调风险等级的患者相比，被重新分类为更高CVD风险的患者更年轻(P<0.001)、血压更低(P<0.001)、肾功能更好(P<0.001)、高血压(P<0.001)和糖尿病(P=0.06)患者更少，使用抗高血压(P<0.001)或降脂(P<0.001)药物的患者也更少。在CTH上，被重新分类为更高CVD风险的患者血管钙化率更高(30.2%对24.8%；P=0.001)、异常率更高(90.4%对83.2%；P<0.001)、梗死率更高(20.1%对5.8%；P<0.001)，而脑萎缩患者更少(21.1%对29.7%；P<0.001)。
在CAC队列中，34.5%的患者Agatston评分为0，8.1%为1-10，18.1%为11-100，17.8%为101-400，21.5%超过400。
在CAC预测方面，CTH+PREVENT组合模型也是表现最佳的(C指数，0.76；95% CI，0.72-0.80)。
CTH+PREVENT模型相对于PREVENT-CVD排名重新评估了97.8%的患者，其中48.5%被重新分类为更高CVD风险。被重新分类为更高CVD风险的患者更可能是女性(P<0.001)，高密度脂蛋白胆固醇水平更高(P=0.02)。
所有模型在时间验证中都表现出稳健性。
本研究的局限性在于由于数据缺失，一些PREVENT变量被替换了替代变量。
研究者得出结论："我们发现，常规进行的CTH检查包含补充传统临床风险因素的心血管风险信息，可以通过识别传统风险模型未能捕获的亚临床血管疾病，显著增强心血管风险分层。这种方法为大规模机会性心血管风险筛查提供了有前景的途径，有助于早期识别和治疗传统临床模型未能捕获的高风险患者。"
披露：一些研究作者声明与生物技术、制药和/或设备公司有关系。请参阅原始参考文献以获取作者披露的完整列表。
参考文献：
Zhang X, Acosta JN, Dogra S, et al. 机会性心血管风险评估使用急诊部门常规头部CT扫描. J Am Coll Cardiol. 2026年4月8日在线发表. doi:10.1016/j.jacc.2026.02.5095
【全文结束】
