一项发表于《心脏》杂志的研究发现，仅基于常规乳腺X光检查图像与年龄数据构建的AI算法，其对女性重大心血管疾病风险的预测能力与标准风险评估方法相当。研究团队指出，由于该方法依托现有医疗基础设施，常规乳腺检查未来或能作为兼具成本效益的"一检双评"筛查方案。
研究者指出，心血管疾病及其风险因素在女性中存在识别不足与治疗不足的问题，现有风险预测算法在女性群体中表现欠佳。虽然新型风险评分在女性中的表现优于男性，但其复杂性依赖于大量医疗数据，且并非始终可用。
既往研究发现乳腺动脉钙沉积（BAC）和乳腺组织密度与心血管疾病风险相关，但BAC与肥胖无明显关联且与吸烟呈负相关，提示单独使用BAC预测效果有限。因此，研究团队尝试开发自动化AI分析系统，通过常规乳腺X光图像全面解析乳腺内部结构特征，以提升心血管风险预测准确性。
研究纳入澳大利亚维多利亚州Lifepool队列注册库中49,196名平均年龄59岁的女性数据（2009-2020年）。基线信息包括年龄、吸烟状态、饮酒量、BMI、糖尿病史及降压/降脂/抗凝药物使用情况，并记录绝经状态、生育史、激素治疗以及可能影响乳腺结构的放疗、手术和癌症病史。数据显示5%为现吸烟者，62%超重，6%患2型糖尿病，33%使用降脂药，27%使用降压药，11%使用抗凝药。
经过平均近9年的随访，3,392名女性发生首次心血管事件（冠状动脉疾病2,383例，心肌梗死656例，卒中434例，心力衰竭731例）。研究团队开发的AI算法整合乳腺X光图像中的完整乳腺结构特征与年龄数据，对10年重大心血管疾病风险进行预测。该算法表现与包含年龄及多种临床参数的现代风险评分相当，包括新西兰PREDICT工具与美国心脏协会PREVENT计算器，添加临床参数后仅小幅提升预测效能。
研究存在局限性：不同扫描设备数据差异、风险因素依赖自报数据、深度学习模型完全依赖训练数据。但团队强调，该模型无需额外采集病史或医疗数据，可依托女性广泛使用的乳腺筛查流程。悉尼大学Gemma Figtree教授和Stuart Grieve博士在同期评论中指出，传统风险评估在女性中表现不佳，且公众对心血管疾病威胁认知不足。值得关注的是，乳腺癌所致死亡仅占全球女性死亡的10%，而心血管疾病死亡占比显著更高，乳腺检查或可作为提升女性心血管健康认知的关键接触点。
【全文结束】
