研究人员开发了一种深度学习模型，它使用一张胸部X光片来预测10年内因心脏病发作或中风而死亡的风险，这种风险源于动脉粥样硬化性心血管疾病。这项研究的结果今天(11月29日)在北美放射学会(RSNA)的年会上公布。深度学习是一种先进的人工智能(AI)，它可以被训练来搜索X光图像，以寻找与疾病相关的模式。

"我们的深度学习模型为利用现有的胸部X光图像进行基于人群的心血管疾病风险筛查提供了潜在的解决方案，"该研究的主要作者、医学博士Jakob Weiss说，他是隶属于马萨诸塞州综合医院心血管成像研究中心和波士顿布莱根妇女医院AI in Medicine项目的放射学家。"这种类型的筛查可以用来识别那些会从他汀类药物治疗中受益但目前没有得到治疗的人"。

目前的指南建议估计主要不良心血管疾病事件的10年风险，以确定谁应该获得他汀类药物进行初级预防。

这种风险是用动脉粥样硬化性心血管疾病(ASCVD)风险评分计算出来的，这是一个考虑到一系列变量的统计模型，包括年龄、性别、种族、收缩压、高血压治疗、吸烟、2型糖尿病病史和血液检查。对于10年风险为7.5%或更高的患者，建议使用他汀类药物。

Weiss博士说："计算ASCVD风险所需的变量往往是提供不足的，这使得基于人群的筛查方法是可取的。由于胸部X射线随处可见，我们的方法可能有助于识别高风险的个人"。

Weiss博士和一个研究小组使用单一的胸部X光(CXR)输入训练了一个深度学习模型。他们开发了这个被称为CXR-CVD风险的模型，利用前列腺癌、肺癌、结肠直肠癌和卵巢癌筛查试验中40643名参与者的147497张胸部X光片来预测心血管疾病的死亡风险，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。

"我们早就认识到X射线可以捕捉到传统诊断结果以外的信息，但我们没有使用这些数据，因为我们没有强大、可靠的方法，"Weiss博士说。"人工智能的进步使它现在成为可能。"

研究人员用第二个独立队列测试了该模型，该队列由11430名门诊病人(平均年龄60.1岁;42.9%为男性)组成，他们在麻省总医院布里格姆医院做了常规门诊胸透，并可能有资格接受他汀类药物治疗。

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。

研究人员还将该模型的预后价值与决定他汀类药物资格的既定临床标准作了比较。由于电子记录中的数据(如血压、胆固醇)缺失，只有2401名患者(21%)可以计算出来。对于这部分患者，CXR-心血管风险模型的表现与既定的临床标准相似，甚至提供了增量价值。

"这种方法的好处是你只需要一张X光片，全世界每天可以产出上百万张，"Weiss博士说。"基于一个现有的胸部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的临床标准相似。"

Weiss博士说，有必要进行更多的研究，包括对照的随机试验，以验证该深度学习模型，它最终可以作为治疗医生的决策支持工具。

"我们所展示的是胸透不仅仅是一个胸透，通过这样的方法，我们得到了一个量化的衡量标准，这使我们能够提供诊断和预后信息，帮助临床医生和病人。"