人工智能可以通过单次X光预测您10年内心脏病发作或中风的风险

人工智能(AI) 模型可以通过单次胸部 X 光预测您在 10 年内死于心脏病发作或中风的风险。

研究人员训练深度学习 AI 在 X 射线图像中搜索与动脉粥样硬化相关的模式，动脉粥样硬化是心血管心脏病的主要原因。

目前的健康指南建议估计 10 年内发生重大心脏病事件的风险，以便在必要时采取预防措施，例如使用他汀类药物。

使用基于年龄、性别、种族、血压、高血压治疗、吸烟、2 型糖尿病和验血等变量的分数计算风险。

对于 10 年风险为 7.5% 或更高的患者，建议使用他汀类药物。

“计算 ASCVD 风险所需的变量通常不可用，这使得基于人群的筛查方法成为可取的方法，”该研究的主要作者 Jakob Weiss 博士说，他是麻省总医院心血管影像研究中心的放射科医生和 AI波士顿布莱根妇女医院的医学项目。

“我们的深度学习模型为使用现有的胸部 X 光图像对心血管疾病风险进行基于人群的机会性筛查提供了一个潜在的解决方案。

“由于胸部 X 光检查很常见，我们的方法可能有助于识别高危人群。这种类型的筛查可用于识别可从他汀类药物中获益但目前未接受治疗的个体。”

人工智能的进步使之成为可能

研究人员团队使用来自前列腺癌、肺癌、结直肠癌和卵巢癌筛查试验的 40,643 名参与者的 147,497 张胸部 X 光片训练了一个深度学习模型，该试验是一项由国家癌症研究所在设计和赞助的多中心随机对照试验我们。

他们使用第二个独立队列测试了称为 CXR-CVD 风险的模型，该队列包含 11,430 名接受过胸部 X 光检查并可能符合他汀类药物治疗条件的门诊患者。

在 11,430 名患者中，有 1,096 名(即 9.6%)在 10.3 年的中位随访期间遭受了重大不良心脏事件。

他们发现 CXR-CVD 风险模型预测的风险与实际观察到的主要心脏事件之间存在“显着关联”。

“这种方法的美妙之处在于你只需要一张 X 光片，它在全世界每天被采集数百万次，”Weiss 说。

“基于单个现有的胸部 X 光图像，我们的深度学习模型可以预测未来的主要不良心血管事件，其性能和增量价值与既定临床标准相似”。

他说，人们早就知道 X 射线可以捕获传统诊断结果以外的信息，但由于“我们还没有强大、可靠的方法”，所以这些数据一直没有被使用。

“人工智能的进步现在使之成为可能，”他说。

“我们展示的是胸部 X 光检查不仅仅是胸部 X 光检查。通过这样的方法，我们得到了一个定量指标，这使我们能够提供有助于临床医生和患者的诊断和预后信息。”

Weiss 说，包括对照随机试验在内的额外研究对于验证深度学习模型是必要的，该模型最终可以作为治疗医生的决策支持工具。

周二在北美放射学会 (RSNA) 年会上公布了这项研究的结果。