根据美国心脏协会的数据，心血管疾病每年在全球范围内夺走超过1700万人的生命，成为全球首要死因。为了应对这一严峻挑战，凯斯西储大学、大学医院和休斯顿卫理公会的研究人员正在开展一项开创性的计划，利用人工智能（AI）来预测心脏衰竭和其他心血管事件，并提供前所未有的准确性。
该计划旨在不仅估计这些不良事件的可能性，还预测其发生的时间，通过开发一个可以从患者扫描中“学习”的AI模型。尽管心血管疾病影响广泛，但准确识别高危个体仍然是一个关键难题。新项目试图通过利用先进的AI工具分析钙评分计算机断层扫描（CT）来弥补这一差距，这种扫描通常用于检测动脉斑块。
除了测量斑块外，这些扫描还捕捉到关于主动脉、心脏形状、肺部、肌肉和肝脏的宝贵信息，为AI分析提供了大量数据。该项目已获得美国国立卫生研究院授予的两项总计400万美元的资助，突显了其在改变心血管护理方面的潜力。
“这个项目代表了个性化医疗的重要飞跃，”项目负责人、凯斯西储大学生物医学工程和计算机科学教授李硕说。“它有可能为心血管疾病的预防和管理设定新标准，并推动使用AI分析图像以实现转型医疗的前沿。”
该计划将创建由AI驱动的预测模型，解释来自CT扫描、临床风险因素和人口统计信息的综合数据。通过这样做，由李硕和休斯顿卫理公会DeBakey心脏和血管中心的影像心脏病专家萨迪尔·阿尔-金迪领导的团队希望揭示心脏健康和身体成分之间相互作用的关键见解。
“准确的风险预测使我们能够量身定制预防性治疗，减少心血管疾病的负担并改善患者结果，”阿尔-金迪表示。“通过早期识别风险，这个项目有可能重新定义护理协议，挽救生命并降低医疗成本。”
利用休斯顿卫理公会和大学医院现有的筛查CT数据，研究突出了AI在解决长期临床挑战方面的潜力，同时具有可扩展性和成本效益。钙评分CT是一种低成本、非侵入性的扫描，已经可以识别冠状动脉中的钙化斑块。然而，AI模型将进一步分析额外的因素，如心脏形状、身体成分、骨密度和内脏脂肪，以及年龄和其他人口统计数据。
“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，”李硕解释道。“这项创新将无缝集成到现有的临床工作流程中，增强决策能力，同时最大限度地减少对侵入性诊断程序的需求。”
研究团队还包括罗伯特·赫布尔德生物医学工程和放射学教授大卫·威尔逊、生物统计学教授付平福，以及凯斯西储大学心血管研究所主任桑杰·拉贾戈帕兰。
拉贾戈帕兰强调了更广泛的含义：“对这些新型基于影像的风险因素的更清晰理解将推进对心代谢疾病表型的认识，并支持医生及时做出治疗建议。”
这一举措代表了对抗心血管疾病的关键进展。通过将AI集成到常规诊断中，该项目不仅旨在改善患者结果，还为更加个性化、高效和有效的医疗保健系统奠定了基础。如果成功，这种方法将重新定义临床医生如何预测和管理心血管风险，拯救无数生命。
(全文结束)
