AI用单次X光预测心脏病风险

美国研究者们开发出了一种深度学习模型，该模型只需单次胸部X光片就能预测未来十年心脏病发作或中风导致的死亡风险。这项成果在北美放射学会（RSNA）年会上得到了展示。

深度学习是人工智能的一种高级形式，可以训练它去搜寻X射线图像中的疾病模式。该研究论文的主要作者，马萨诸塞州心血管影像研究中心的医学博士雅各布·韦斯表示：“我们的深度学习模型提供了一种潜在的解决方案，利用现有的胸部X光图像来筛查心血管疾病风险。”这样的筛查不仅可以识别出那些尚未接受治疗但可以使用他汀类药物的人，还能为医生的决策提供有力支持。

为了训练这个名为“CXR-CVD风险”的深度学习模型，研究者们使用了来自前列腺癌、肺癌、结直肠癌和卵巢癌筛查试验的40643名参与者的147497张胸部X光片。这是一项由美国国家癌症研究所设计和赞助的多中心随机对照试验。

该模型在另一组11430名门诊患者中也进行了测试，这些患者接受了常规的胸部X光检查，并有可能需要接受他汀类药物治疗。在10.3年的中位随访期内，有1096名患者发生了严重的不良心脏事件，占比9.6%。CXR-CVD风险深度学习模型预测的风险与观察到的主要心脏事件之间存在显著关联。

研究者们还将该模型的预后价值与确定他汀类药物资格的既定临床标准进行了比较。尽管由于电子记录中缺少部分数据，只能在21%的患者中进行计算，但CXR-CVD风险模型的表现与已建立的临床标准相似，甚至在某些情况下提供了更多的增量价值。

简而言之，这种深度学习模型只需一次胸部X光检查就能预测未来的主要心血管不良事件，为医生提供了一种新的决策支持工具，有助于更好地管理心血管疾病风险。