研究人員開發了一種深度學習模型，它使用一張胸部X光片來預測10年內因心髒病發作或中風而死亡的風險，這種風險源於動脈粥樣硬化性心血管疾病。這項研究的結果今天（11月29日）在北美放射學會（RSNA）的年會上公佈。深度學習是一種先進的人工智能（AI），它可以被訓練來搜索X光圖像，以尋找與疾病相關的模式。

“我們的深度學習模型為利用現有的胸部X光圖像進行基於人群的心血管疾病風險篩查提供了潛在的解決方案，”該研究的主要作者、醫學博士Jakob Weiss說，他是隸屬於馬薩諸塞州綜合醫院心血管成像研究中心和波士頓布萊根婦女醫院AI in Medicine項目的放射學家。”這種類型的篩查可以用來識別那些會從他汀類藥物治療中受益但目前沒有得到治療的人”。

目前的指南建議估計主要不良心血管疾病事件的10年風險，以確定誰應該獲得他汀類藥物進行初級預防。

這種風險是用動脈粥樣硬化性心血管疾病（ASCVD）風險評分計算出來的，這是一個考慮到一系列變量的統計模型，包括年齡、性別、種族、收縮壓、高血壓治療、吸煙、2型糖尿病病史和血液檢查。對於10年風險為7.5%或更高的患者，建議使用他汀類藥物。

Weiss博士說：”計算ASCVD風險所需的變量往往是提供不足的，這使得基於人群的篩查方法是可取的。由於胸部X射線隨處可見，我們的方法可能有助於識別高風險的個人”。

Weiss博士和一個研究小組使用單一的胸部X光（CXR）輸入訓練了一個深度學習模型。他們開發了這個被稱為CXR-CVD風險的模型，利用前列腺癌、肺癌、結腸直腸癌和卵巢癌篩查試驗中40643名參與者的147497張胸部X光片來預測心血管疾病的死亡風險，這是一項由美國國家癌症研究所設計和讚助的多中心、隨機對照試驗。

“我們早就認識到X射線可以捕捉到傳統診斷結果以外的信息，但我們沒有使用這些數據，因為我們沒有強大、可靠的方法，”Weiss博士說。”人工智能的進步使它現在成為可能。”

研究人員用第二個獨立隊列測試了該模型，該隊列由11430名門診病人（平均年齡60.1歲；42.9%為男性）組成，他們在麻省總醫院布里格姆醫院做了常規門診胸透，並可能有資格接受他汀類藥物治療。

在11430名患者中，有1096人，或9.6%，在10.3年的中位随访期间遭遇了重大的不良心脏事件。CXR-CVD风险深度学习模型所预测的风险与观察到的主要心脏事件之间存在着显著的关联。

研究人員還將該模型的預後價值與決定他汀類藥物資格的既定臨床標準作了比較。由於電子記錄中的數據（如血壓、膽固醇）缺失，只有2401名患者（21%）可以計算出來。對於這部分患者，CXR-心血管風險模型的表現與既定的臨床標準相似，甚至提供了增量價值。

“這種方法的好處是你只需要一張X光片，全世界每天可以產出上百萬張，”Weiss博士說。”基於一個現有的胸部X光圖像，我們的深度學習模型可以預測未來的主要不良心血管事件，其性能和增量價值與既定的臨床標準相似。”

Weiss博士說，有必要進行更多的研究，包括對照的隨機試驗，以驗證該深度學習模型，它最終可以作為治療醫生的決策支持工具。

“我們所展示的是胸透不僅僅是一個胸透，通過這樣的方法，我們得到了一個量化的衡量標準，這使我們能夠提供診斷和預後信息，幫助臨床醫生和病人。”