一种新的AI工具可以利用常规骨密度扫描快速检测老年人隐藏的心血管和跌倒风险，通过识别动脉钙化，这是一个经常被忽视但至关重要的健康指标。
来自伊迪斯科文大学（ECU）的研究人员与曼尼托巴大学合作，开发了一种自动化的机器学习程序，能够使用在常规临床评估中获得的骨密度扫描来识别潜在的心血管事件以及跌倒和骨折的风险。
该算法应用于接受常规骨密度测试的老年女性的椎体骨折评估（VFA）图像，通常作为骨质疏松症管理的一部分。它有效地评估了腹主动脉钙化（AAC）的存在和严重程度，这是心血管风险的关键指标。
这个工具大大减少了评估AAC所需的时间。虽然训练有素的专家通常需要五到六分钟来评分一张图像，但该算法可以在不到一分钟内分析数千张图像并生成AAC评分。
在她的研究中，ECU研究员Cassandra Smith博士发现，在接受常规骨密度测试的老年个体中，有58%的人显示出中度到高度的AAC，其中四分之一的人在进入诊所时并不知道自己有高AAC，这使他们处于心脏病发作和中风的最高风险之中。
“女性被认为在心血管疾病的筛查和治疗方面不足。这项研究表明，我们可以使用广泛可用、低辐射的骨密度机来识别心血管疾病高风险的女性，从而使她们能够寻求治疗。
“患有AAC的人不会出现任何症状，如果不进行特定的AAC筛查，这种预后往往会被忽视。通过在骨密度扫描中应用这一算法，女性被诊断的机会大大提高。”Smith博士说。
动脉钙化与骨折之间的联系
使用相同的算法，ECU高级研究员Marc Sim博士发现，这些具有中度到高度AAC评分的患者也更有可能因跌倒而住院和骨折，与那些低AAC评分的患者相比。
“动脉中的钙化程度越高，跌倒和骨折的风险就越高，”Sim博士说。
“当我们考虑传统的跌倒和骨折风险因素时，如过去一年是否跌倒过和骨矿物质密度通常是判断某人跌倒和骨折可能性的非常好的指标。某些药物也与较高的跌倒风险相关。我们很少在考虑跌倒和骨折时考虑血管健康。
“我们的分析发现，AAC是一个非常强的跌倒风险贡献者，实际上比临床上确定的其他跌倒风险因素更为重要。”
Sim博士说，当应用于骨密度扫描时，这种新的机器算法可以为临床医生提供更多关于患者血管健康的信息，这是跌倒和骨折的一个未被充分认识的风险因素。
参考文献：“接受骨质疏松筛查人群中的自动化腹主动脉钙化和主要不良心血管事件：曼尼托巴骨矿物质密度登记处”由Cassandra Smith, Marc Sim, Zaid Ilyas, Syed Zulqarnain Gilani, David Suter, Siobhan Reid, Barret A Monchka, Mohammed Jafari Jozani, Gemma Figtree, John T Schousboe, Joshua R Lewis和William D Leslie撰写，2025年1月3日，《骨矿盐研究杂志》。DOI: 10.1093/jbmr/zjae208
(全文结束)
