冠状动脉疾病（CAD）在美国影响约2050万人，并带来了显著的死亡率、发病率和经济负担。这些问题凸显了优化CAD检测和管理的紧迫需求，同时要尽量减少不必要的侵入性手术。
新兴研究表明，非侵入性人工智能（AI）技术在CAD的诊断、风险分层和治疗方面具有与传统方法相同或更高的准确性。例如，由AI模型得出的冠状动脉钙化（CAC）评分与手动计算的CAC评分高度相关，AI技术在冠状动脉斑块量化和特征分析中也显示出实用性。
2024年3月，由HeartFlow资助的DECODE研究中，Rinehart等人调查了该公司基于标准冠状动脉计算机断层扫描血管造影（CCTA）的AI斑块分析的临床效用。这项技术是目前唯一获得美国食品药品监督管理局（FDA）批准的AI斑块量化工具。
在DECODE研究中，三名心血管CT学会（SCCT）三级CCTA读片医生根据患者的病史、临床资料和CCTA报告制定了初始治疗方案，然后在提供斑块分析结果后重新评估治疗方案。研究的主要终点是斑块分析审查后的再分类率（RR）。
结果显示，斑块分析审查后的RR为66%（95%置信区间：56.72%-75.28%），最常见的管理变化是加强预防性医疗治疗。
在国际前瞻性研究REVEALPLAQUE中，HeartFlow的斑块分析在237名临床稳定的CAD患者中与血管内超声的平均一致性达到95%。
2024年10月，HeartFlow宣布斑块分析将由7个医疗保险行政承包商（MAC）中的4个覆盖，并且美国医学协会（AMA）已发布新的第一类现行程序术语（CPT）代码用于AI斑块量化技术，该代码将于2026年1月生效。
HeartFlow最近公布的ADVANCE-DK研究7年数据显示，结合其AI支持的分数流储备CT（FFRCT）和斑块分析在临床稳定、有症状的CAD患者中对不良心血管事件的预测能力更优（曲线下面积，0.73对比包括基线风险变量加CCTA的0.63）。
其他获得FDA批准的CAD护理AI工具还包括丹佛公司Cleerly开发的风险分期系统，用于评估CAD中的狭窄严重程度；休斯顿的HeartLung Technologies开发的软件可以在胸部CT图像中检测CAD和其他心血管疾病的迹象，包括CCTA图像，以及最初用于评估CAC评分或筛查肺癌的图像。
此外，辛辛那提大学支持的初创公司Genexia开发了一种AI程序，旨在通过常规乳腺X线摄影检测CAD，无需额外成像或成本。该公司计划筹集资金进行一项2000名女性参与的临床试验，并在试验后寻求FDA批准。
为了深入了解AI在CAD护理中的现状和下一步行动，《心脏病学顾问》采访了HeartFlow的首席医疗官Campbell Rogers博士。
目前AI和机器学习在CAD护理中的应用情况如何？这些技术的使用是越来越普遍还是仍然相对罕见？
AI和机器学习正迅速融入CAD护理，但其采用取决于临床环境、访问条件和国家。利用AI提供冠状动脉血流功能见解和斑块分析的工具，如CCTA结合HeartFlow ONE，正在获得牵引力，因为医疗保健提供者认识到它们的精确度和诊断能力。我们的AI驱动的HeartFlow FFRCT和斑块分析提供了患者真实CAD负担的全面视图，包括心脏血流和斑块量化的个性化模型。
然而，在许多地区，AI的整合仍处于早期阶段。尽管有越来越多的热情，但在心脏护理中广泛使用AI技术仍需持续的临床证据和教育，以确保临床医生有信心在常规实践中实施这些技术。
AI在CAD护理中的应用在未来可能如何塑造CAD护理的格局？
AI和机器学习在CAD护理中有变革潜力。AI可以提供更早、更简单、更快的诊断和分析，有助于医生指导心脏护理决策和治疗规划。AI可以通过更高效地分析大量影像数据来提高诊断敏感性和准确性，从而实现更早和更精确的干预。
此外，AI可以通过基于个体特征预测患者结局来支持个性化治疗计划。这些工具还可以通过引导医生选择最有效和高效的干预措施来优化资源分配，减少不必要的侵入性或非侵入性程序。随着时间的推移，AI可能会实现实时风险分层和疾病监测，使医生和患者能够采取积极措施调整CAD管理。
在将这项技术纳入CAD护理中存在哪些障碍？
一些患者和临床医生可能对AI在医疗决策中的作用持怀疑态度。建立信任需要透明度，展示AI系统的运作方式，并提供具体的临床验证，以证明其作为增强而非替代医生专业知识的工具的价值。
建立对AI的信任对于充分发挥其潜力至关重要，因为其成功取决于患者对其准确性、透明性和伦理使用的信心。研究人员必须展示AI不仅停留在理论层面，而是积极重塑护理交付并改善患者结局，逐步建立信心。
例如，HeartFlow的技术已在超过1300个临床站点使用，评估了数十万患者的心脏健康，通过广泛应用验证平台的使用，最终建立信心。
CCTA加FFRCT路径已被美国心脏病学会（ACC）和美国心脏协会（AHA）《胸痛评估和诊断指南》推荐为一线路径，基于多项研究表明这种方法的诊断准确性高于其他非侵入性诊断方法。
关于AI在CAD护理中的进一步工作有哪些？当前还有哪些未满足的需求？
该领域的各种努力集中在改进AI算法以提高其准确性和适用性。确保这些工具易于使用并与现有系统和临床医生的工作流程兼容是优先事项，正在进行的研究是如何无缝集成AI系统。
需要进一步广泛的教育和培训，以确保临床医生能够解释和结合来自AI驱动工具的见解。为了建立对这些系统的信任，必须始终关注伦理责任，始终将患者利益放在首位，并标准化实施，继续技术开发者、临床医生和监管机构之间的合作。
(全文结束)
