人工智能可通过扫描乳腺X光片"准确"预测女性心脏病发作或中风风险，新研究显示。科学家表示，利用这项尖端技术的"一举两得"筛查项目，可帮助在全球范围内检测女性两大主要死因——心脏病和乳腺癌。
发表在《心脏》杂志上的研究表明，由乔治全球健康研究院（The George Institute for Global Health）开发的一种新型机器学习模型，可通过分析乳腺X光片成功预测女性患心脏病的风险。
该模型由澳大利亚新南威尔士大学和悉尼大学合作开发，是首个仅基于乳腺X光特征和年龄来预测主要心脏事件的深度学习算法，其准确性可与传统的心血管风险计算器相媲美。
乔治研究院的克莱尔·阿诺特（Clare Arnott）副教授表示，鉴于许多女性在社区中无法获得或未被提供筛查，亟需新方法识别心血管疾病（CVD）高风险女性。
国家癌症研究所
由Talker提供
她指出："人们普遍误以为心血管疾病主要影响男性，这导致女性病情常被低估和治疗不足。通过将心血管风险筛查与乳腺筛查相结合——利用乳腺X光片这一许多女性在心血管风险上升阶段已常规参与的检查——我们能同时识别并预防两大主要疾病和死亡原因。"
该模型使用澳大利亚维多利亚州大都市及农村地区49,000多名女性的常规乳腺X光片设计验证，并与个人医院记录及死亡数据关联。
贾尔·拉扎罗
由Talker提供
研究人员将该模型与基于血压、胆固醇等传统心血管风险因素的评估工具进行对比。阿诺特表示："我们发现该模型无需大量临床数据即可达到同等预测效果。"
她补充道，先前研究多聚焦于乳腺动脉钙化（BAC）等特定影像特征，虽在部分人群中与心血管风险相关，但仅依赖BAC存在局限——例如对老年女性预测准确性较低。阿诺特强调："我们的模型首次整合乳腺影像的多元特征与年龄数据，优势在于无需额外采集病史或医疗记录，实施资源消耗更低却保持高精度。"
目前心血管疾病是全球女性首要死因，年致死约九百万人，占女性总死亡数的三分之一。多项研究证实，女性心血管症状和风险因素常"被忽视"，导致其诊断测试、专科转诊及处方率显著低于男性。而乳腺X光筛查项目已在部分国家高效覆盖女性群体，英美参与率超67%。
乔治研究院的詹妮弗·巴雷克洛夫（Jennifer Barraclough）博士指出，利用女性已广泛参与的现有筛查流程，该模型有望成为全球各地女性的心血管风险预测工具。她表示："我们期待这项技术未来为农村地区提供更广泛、公平的筛查机会，许多女性现已免费受益于移动乳腺X光检查车。我们已验证该创新工具的潜力，下一步将在多样化人群中测试模型并解决实施障碍。"
【全文结束】
