【温尼伯，4月30日讯】在预防性医疗领域的一项突破中，来自澳大利亚和加拿大的研究人员开发了一种先进的机器学习算法，该算法可以通过标准骨密度扫描快速检测心脏病和骨折风险。
这项技术由埃迪斯科文大学（Edith Cowan University, ECU）和曼尼托巴大学（University of Manitoba）联合开发，旨在增强在常规骨质疏松筛查过程中对严重健康问题的早期检测，据新华社报道，这可能会使数百万老年人受益。
该自动化系统分析椎体骨折评估（VFA）图像，以识别腹主动脉钙化（AAC），这是一种无声但强大的心血管事件（如心脏病发作和中风）以及跌倒和骨折的预测指标。
传统上，评估AAC需要训练有素的专家花费5到6分钟进行每项扫描。新的算法将这一时间缩短至不到一分钟，从而实现更快、更大规模的筛查。
ECU的研究员卡桑德拉·史密斯（Cassandra Smith）表示：“大约58%接受骨扫描的老年女性显示出中度至高度的AAC水平，而她们往往并不知道自己处于风险之中。”她指出，女性的心血管疾病仍然被低估且治疗不足。
“如果没有专门的AAC筛查，这些迹象将被忽视。这种算法有助于确保更早、更准确的诊断。”她补充道。
ECU的马克·西姆（Marc Sim）进一步发现，AAC也是跌倒和骨折的强大预测指标，超过了传统的标志物如骨密度和既往跌倒史。
西姆解释说：“动脉中的钙化程度越高，跌倒的风险就越高。”他补充说：“血管健康在跌倒风险评估中经常被忽视，而这项技术将其置于前沿。”
他补充说，将该算法整合到常规骨扫描中可以显著提高临床医生评估患者整体骨折和心血管风险的能力，这是预防医学的一个重要进展。
(全文结束)
