研究人员来自凯斯西储大学（Case Western Reserve University）、休斯顿卫理公会医院（Houston Methodist）和大学医院（University Hospitals），他们将利用人工智能（AI）的力量，通过开发一种从患者扫描中“学习”的AI模型，更准确地预测心力衰竭和其他心血管事件的风险，甚至估计不良事件可能发生的时间。
根据美国心脏协会的数据，心血管疾病是全球首要死因，每年夺走超过1700万人的生命。准确识别高风险个体仍然是一个关键未满足的需求。这一举措通过开发先进的AI工具来分析钙化评分计算机断层扫描（CT）图像，弥补了这一差距。这些扫描不仅显示了患者动脉中的斑块量，还包含了有关主动脉、心脏形状、肺、肌肉和肝脏的信息。
美国国立卫生研究院（National Institutes of Health）授予该合作项目两项总计400万美元的拨款，用于开发AI模型。
“这个项目代表了个性化医疗的重大飞跃，”项目负责人、凯斯西储大学生物医学工程和计算机及数据科学教授李硕（Shuo Li）表示。“它有潜力为心血管疾病预防和管理设定新的标准，并推动使用AI分析图像以实现变革性医疗保健的前沿。”
该研究旨在创建由AI驱动的预测模型，能够解释钙化评分CT扫描、临床风险因素和人口统计学数据的组合信息。由李硕和休斯顿卫理公会德贝基心脏和血管中心（Houston Methodist DeBakey Heart and Vascular Center）的心脏影像专家、心脏病学副教授萨德尔·阿尔-金迪（Sadeer Al-Kindi）领导的研究团队，旨在深入探讨心脏健康和身体成分之间的相互作用，使医生能够以前所未有的准确性识别高风险患者。
“准确的风险预测使我们能够量身定制预防治疗，减少心血管疾病的负担并改善患者预后，”阿尔-金迪表示。“通过早期识别心力衰竭和其他事件的风险，该项目有可能重新定义护理协议，挽救生命并降低医疗成本。”
通过利用两个大型医疗系统（休斯顿卫理公会医院和大学医院）现有的筛查CT数据，这项研究强调了AI以成本效益和可扩展的方式解决长期临床挑战的潜力。
“我们的目标是开发一种非侵入性、准确且个性化的预测心血管疾病风险的方法，”李硕说。“这种创新将无缝集成到现有临床工作流程中，增强决策过程，同时最大限度地减少侵入性诊断程序的需求。”
钙化评分CT是一种低成本、非侵入性的心脏扫描，可以识别冠状动脉中钙化斑块的数量。这些斑块可能会导致动脉狭窄或阻塞，从而预测某人心脏病发作的风险。AI模型将学会从CT图像中提取新颖的见解，并使用这些测量结果来估计大群体中心血管事件的风险。这些测量包括冠状动脉钙化、心脏形状、身体成分、骨密度和内脏脂肪，此外还有年龄和其他因素。AI可以更快、更全面地将结果与这些风险因素相关联。
“对这些基于影像的新风险因素如何结合的更清晰理解，将推进对心代谢疾病表型的认识，并支持医生做出适当和及时的治疗建议，”凯斯西储大学医学院心血管研究所教授兼主任、大学医院哈灵顿心脏和血管研究所心血管医学主任桑贾伊·拉贾戈帕兰（Sanjay Rajagopalan）表示。
研究团队还包括来自凯斯西储大学其他学科的关键贡献者，如罗伯特·赫博尔德生物医学工程和放射学教授大卫·威尔逊（David Wilson）以及医学系人口和定量健康科学部生物统计学教授傅平福（Pingfu Fu）。
(全文结束)
