乔治全球健康研究院 2025年9月17日
乔治全球健康研究院开发的一种新型机器学习模型可通过分析乳腺X光片成功预测女性的心脏病风险。研究结果今日发表在《心脏》杂志上，该期刊是英国心血管学会的官方出版物。
该模型由乔治全球健康研究院与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，其准确度可与传统的心血管风险计算器相媲美。
乔治全球健康研究院心血管项目全球总监克莱尔·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心血管风险筛查，亟需新方法来识别心血管疾病（CVD）高风险女性。
"人们普遍认为心血管疾病主要影响男性，这种误解导致女性的心血管疾病被诊断不足和治疗不足。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——这是许多女性在心血管风险增加的生命阶段已常规参与的检查——我们能同时识别并预防两种主要的致病和致死原因。"
该模型基于澳大利亚维多利亚州都会区和农村地区49,000多名女性的常规乳腺X光片设计和验证，并与个人医院记录和死亡数据相关联。研究人员随后将该模型与需基于血压、胆固醇等已知心血管风险因素的多维度数据的传统模型进行对比。
"我们发现，无需广泛临床和医疗数据，该模型表现同样出色，"阿诺特副教授表示。
既往研究主要聚焦于某些乳腺X光特征，如乳腺动脉钙化（BAC），其在部分人群中被发现与心血管风险相关。但仅依赖BAC存在局限性，例如在预测老年女性心血管疾病风险时准确性较低。
"我们的模型是首个综合运用乳腺X光图像多种特征并仅简单结合年龄的算法——这种方法的关键优势在于无需额外采集病史或医疗记录数据，实施资源需求低却仍保持高度准确性。"
克莱尔·阿诺特，乔治全球健康研究院心血管项目全球总监
全球范围内，心血管疾病是女性死亡的首要原因，年死亡人数约900万，占女性总死亡人数的三分之一。尽管疾病负担沉重，国际多项研究表明，女性的心血管疾病症状和风险因素常被忽视，导致女性接受的诊断测试、专科转诊和处方较男性更少。
相比之下，在部分国家基于乳腺X光的筛查项目成效显著，美国和英国超过67%的女性参与了乳腺筛查。
乔治全球健康研究院研究员詹妮弗·巴拉克洛夫（Jennifer Barraclough）博士表示，利用女性已广泛参与的现有筛查流程，该模型可作为澳大利亚及全球各地不同社区女性的心血管风险预测工具。
"我们希望这项技术未来能为农村地区提供更广泛且公平的筛查机会，因为许多女性已可免费使用移动乳腺X光检查车，"她表示。
"我们已证明这种创新筛查工具的潜力，下一步将期待在更多元化人群中测试该模型，并探究其实施过程中可能面临的障碍。"
来源：
乔治全球健康研究院
期刊参考：
Barraclough, J. Y., 等. (2025). 利用机器学习从常规乳腺X光片预测心血管事件. 《心脏》.
【全文结束】
