摘要：北京时间3月29~31日，由美国心脏病学会（ACC）举办的心血管领域盛会——ACC.25学术会议将在美国芝加哥盛大召开。ACC.25会议学术阵容丰富，全面涵盖心血管各个领域。根据即将在ACC.25上公布的一项研究，借助人工智能（AI）模型，乳腺X光检查不仅能筛

北京时间3月29~31日，由美国心脏病学会（ACC）举办的心血管领域盛会——ACC.25学术会议将在美国芝加哥盛大召开。ACC.25会议学术阵容丰富，全面涵盖心血管各个领域。根据即将在ACC.25上公布的一项研究，借助人工智能（AI）模型，乳腺X光检查不仅能筛查癌症，还可能揭示更多健康信息。研究结果表明，这种重要的癌症筛查工具还可用于评估乳腺组织内动脉钙化程度——这是心血管健康的重要指标。

美国疾病控制与预防中心建议中老年女性每1~2年进行一次乳腺X光检查以筛查乳腺癌。美国每年约有4000万例乳腺X光检查。尽管检查图像中可见乳腺动脉钙化，但放射科医生通常不会量化或向女性及其临床医生报告这一信息。这项新研究采用了一种此前未用于乳腺X光图像的AI图像分析技术，证明AI可通过自动分析乳腺动脉钙化并将结果转化为心血管风险评分，填补这一空白。

“我们希望通过乳腺X光检查，女性不仅能筛查癌症，还能同步完成心血管健康评估。”该研究的主要作者、亚特兰大埃默里大学博士后研究员Theo Dapamede博士表示，“研究表明，乳腺动脉钙化是心血管疾病的强预测因子，尤其对60岁以下患者。若能通过筛查早期识别高风险人群，我们可将她们转诊至心脏病专家进行进一步评估。”

心脏病是美国头号死因，但在女性中诊断不足且公众认知滞后。研究人员指出，利用AI支持的乳腺X光筛查工具，可更高效地从女性常规检查中提取信息，帮助识别更多心血管疾病早期征兆。

血管钙化沉积是心血管损伤的标志，与早期心脏病或衰老相关。既往研究表明，动脉钙化女性的心脏病和卒中风险增加51%。

为开发这一研究中的筛查工具，研究人员训练了一个深度学习AI模型，用于分割乳腺X光图像中的钙化血管（X光图像中显示为亮像素），并结合电子健康记录数据计算未来心血管事件风险。该模型的分割技术使其区别于此前用于分析乳腺动脉钙化的AI模型。研究人员强调，模型训练和测试使用了大规模数据集，涵盖2013~2020年间在埃默里医疗集团接受乳腺X光检查且拥有至少五年随访电子健康记录的超过56 000例患者的图像和医疗数据。

“深度学习和AI的进步使我们能够更高效地从图像中提取信息，助力疾病筛查与评估。”Dapamede表示。

总体结果显示，新模型能基于乳腺X光图像将患者心血管风险划分为低、中、高三类。通过计算两年及五年内全因死亡或急性心脏病、卒中、心力衰竭风险，模型显示，在60岁以下和60~80岁女性中，严重心血管事件发生率随乳腺动脉钙化程度升高而增加，但80岁以上人群无此关联。这表明该工具尤其适合为年轻女性提供心脏病风险的早期预警，而早期干预对这部分人群更具临床价值。

研究还发现，乳腺动脉钙化程度最高（超过40 mm²）的患者五年无事件生存率显著低于钙化程度最低（低于10 mm²）的患者。例如，钙化程度最高组五年生存率为86.4%，而最低组为95.3%。这意味着严重乳腺动脉钙化患者的五年内死亡风险约为钙化轻微或无钙化者的2.8倍。

该AI模型由埃默里医疗集团与梅奥诊所合作开发，目前尚未投入使用。研究人员表示，若通过外部验证并获美国食品药品监督管理局批准，该工具将有望商业化，供其他医疗机构整合至常规乳腺X光检查及后续诊疗流程中。团队还计划探索类似AI模型如何通过乳腺X光图像评估外周动脉疾病、肾病等其他疾病的生物标志物。

资料来源：ACC.25：Sex Differences in Cardiovascular Health Status and Long-Term Outcomes in a Primary Prevention Cohort

来源：国际循环一点号