摘要：澳大利亚伊迪斯·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机器学习程序，该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。

应用于常规骨密度扫描的人工智能工具可以快速发现腹主动脉钙化，揭示许多老年女性隐藏的心血管和骨折风险。

一种新的人工智能工具可以通过常规骨扫描识别动脉钙化（一种经常被忽视但至关重要的健康指标），快速检测老年人隐藏的心血管和跌倒风险。

澳大利亚伊迪斯·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机器学习程序，该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检测（通常是骨质疏松症管理的一部分）的老年女性的椎体骨折评估 (VFA) 图像。该算法有效评估了腹主动脉钙化 (AAC) 的存在及其严重程度，AAC 是心血管风险的一个关键指标。

该工具显著缩短了评估 AAC 所需的时间。训练有素的专家通常需要五到六分钟才能对单张图片进行评分，而该算法可以在一分钟内分析数千张图像并生成 AAC 评分。

在该研究中，ECU 研究员卡桑德拉·史密斯（Cassandra Smith）博士发现，在常规骨密度测试中筛查出的老年人中，58% 的人表现出中度至高度的 AAC，其中四分之一的人在走进门时并不知道自己患有高 AAC，这使他们面临最高的心脏病发作和中风风险。

人们普遍认为，女性在心血管疾病方面的筛查和治疗不足。这项研究表明，我们可以利用广泛使用的低辐射骨密度仪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，如果不进行针对 AAC 的专门筛查，这种预后通常会被忽视。通过在骨密度扫描期间应用这种算法，女性获得诊断的几率会大大提高，”史密斯博士说。

使用相同的算法，ECU 高级研究员马克·西姆（Marc Sim）博士发现，与 AAC 评分较低的患者相比，AAC 评分中等至较高的患者因跌倒而住院和骨折的可能性也更大。

“动脉钙化程度越高，跌倒和骨折的风险就越高，”西姆博士说。

当我们研究传统的跌倒和骨折风险因素时，诸如过去一年是否跌倒以及骨密度等因素通常能够很好地反映一个人跌倒和骨折的可能性。一些药物也会增加跌倒风险。在考虑跌倒和骨折时，我们很少考虑血管健康。

“我们的分析发现，AAC 是导致跌倒风险的一个重要因素，实际上比临床上认定的其他跌倒风险因素更为重要。”西姆博士表示，新的机器算法应用于骨密度扫描时，可以为临床医生提供更多有关患者血管健康的信息，而血管健康是跌倒和骨折的一个未被充分重视的风险因素。

参考文献：“骨质疏松症筛查人群的自动腹主动脉钙化和主要不良心血管事件：马尼托巴省骨矿物质密度登记处”，作者：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，2025年1月3日， 《骨与矿物质研究杂志》。DOI：10.1093/jbmr/zjae208

来源：康嘉年華一点号