人工智能技术能够在常规低剂量CT肺癌筛查中更准确地评估冠状动脉钙化（CAC）的纵向变化。
在肺癌筛查检查中，CAC是一个常见的意外发现，通常在12%或更多的患者中出现。它通常与晚期动脉粥样硬化相关，可能预示未来重大心血管事件的风险。
对于每年接受低剂量CT扫描的患者，医生可以观察到CAC的纵向变化。然而，Clinical Imaging杂志最新发表的一项研究指出，这种变化与不良心血管事件风险之间的关系仍存在争议。
韩国Hwasun Chonnam国立大学医院放射科的郑元基（Won Gi Jeong）医学博士及其团队解释说：“与基线CAC状态相比，CAC的增长仍存在争议且研究不足。尽管CAC增长通常被认为是心血管衰老的必然结果，但其具体影响仍研究不足。尽管已有研究关注基线或初始CT扫描中CAC严重程度的预测作用，但很少有研究探讨CAC增长与动脉粥样硬化性心血管疾病之间的关系。”
随着低剂量CT肺癌筛查的普及，研究人员指出，医生将有机会识别出CAC变化令人担忧的患者。尽管LDCT检查中没有心电图门控（ECG-gating）使得CAC评分计算困难，但研究团队认为人工智能技术的发展可以解决这一问题。
“最近，人工智能软件被开发用于在非心电图门控的胸部CT扫描中使用Agatston方法计算CAC评分，”作者指出，“这种人工智能软件能够从非心电图门控的CT扫描中准确计算CAC评分，与心电图门控的钙评分CT相比具有高度一致性。”
研究团队假设，通过人工智能追踪CAC的增长，可以识别出心血管不良事件风险较高的患者。为了验证这一假设，他们将该算法应用于2017年4月至2023年12月期间接受LDCT扫描的163名患者的连续扫描图像。人工智能软件用于量化每次扫描中的CAC，并测量两次检查之间的进展，同时研究人员分析了研究期间患者的心脏事件记录。
在平均4年的随访期间，15.5%的患者经历了不良心脏事件；其中4.1%为重大事件，而轻微事件占11.4%。基线CAC严重程度较高的患者更可能在两次扫描之间出现CAC显著增长，并在某个时间点经历不良事件。研究团队确定，年龄较大、CAC基线评分较高以及CAC增长与不良事件发生风险显著相关。
“这些发现表明，在年度LDCT随访期间——作为肺癌筛查的核心原则之一——对CAC评分的纵向追踪可能有助于建立更有效的随访策略。”研究团队建议。
他们补充说，未来的研究应致力于评估人工智能辅助的早期预防在这些检查中的影响。
【全文结束】
