AI视觉算法登柳叶刀！看CT提前10年预测致命心脏疾病，已进入临床使用

新智元报道

编辑：乔杨

【新智元导读】最近，《柳叶刀》上的一篇医学文章发表了有关心血管疾病风险预测的里程碑式结果。之所以如此有影响力，是因为这项名为CaRi-Heart的技术结合了AI视觉识别和预测算法，可以在没有明显症状时提前10年识别出重大的心血管疾病风险。

英国一家名为Caristo Diagnostics的公司宣称，在《柳叶刀》上发表了一项具有里程碑意义的临床研究结果，他们的CaRi-Heart AI技术可量化冠状动脉炎症的严重程度并准确预测心脏疾病。

研究涉及的数据样本来自英国的ORFAN项目，全称为「牛津风险因素和非侵入性成像」。

这个项目是英国国家医疗NHS体系的一部分，旨在评估接受CCTA（冠状动脉计算机断层扫描血管造影）患者的风险状况和疾病发生率，并从外部验证先前训练的AI风险预测算法和分类系统是否适用。

CCTA是几乎所有胸痛患者都会接受的检查，它可以识别出存在阻塞性冠状动脉疾病（CAD）而需要进行血管重建手术的患者。

然而，即使没有CAD，血管炎症也会导致动脉硬化，并可能引发急性冠状动脉综合征，因此，提前识别并冠状动脉的血管炎症非常重要。

只靠CCTA检查不能做到这些，但有了AI算法，就能纳入其他影响因素，量化评估患者的心血管风险。

由于动脉中分泌的炎症信号可以驱动血管周围脂肪组织的变化，因此可以反过来，用标准化的脂肪衰减指数（FAI）量化估计冠状动脉炎症的情况。

一种名为AI-Risk的辅助算法可以结合FAI评分，同时将冠状动脉粥样硬化斑块负荷以及其他传统危险因素纳入算法，进行心血管风险评估。

算法包含的其他风险因素包括年龄、性别、BMI指数、糖尿病、胆固醇、高血压、偏头痛、吸烟、类风湿性关节炎等17种。

为了验证算法的性能，研究选取了ORFAN项目中的3393名患者进行中位数为7.7年的随访，时间跨度从2010年到2015年，患者年龄从18岁到99岁不等。

Cartiso公司开发的CaRi-Heart 2.5版设备为患者每条冠状动脉生成FAI评分，并运行AI-Risk算法计算得出患者未来8年发生致命心脏时间的风险百分比，并归类为低或中风险、高风险和极高风险三个类别。

统计结果显示，无论是否患有CAD，FAI评分都可以捕捉到患者的残余炎症风险，是预测未来10年死亡率和MACE的有效指标。（MACE：主要不良心脏事件，包括心肌梗死、新发性心力衰竭或心源性死亡）

Cartiso的算法相比现有的预测模型（比如QRISK3）更能准确预估年轻人的风险，即使在动脉硬化症状轻微或不存在的情况下，也可以有效识别出可能发生重大MACE的极高风险患者。

有了这些风险评估分数的指导，就可以进行个体化的预防管理，降低血管炎症带来的风险，尤其是对于有自身免疫性疾病或者慢性炎症的患者，比如强化他汀类药物的使用或进行辅助抗炎治疗。

比如在这项研究中，向临床医生展示CaRi-Heart风险评分的结果后，45%的患者的治疗方案会发生变化，大多数是由于他们决定着手治疗以前未检测到的冠状动脉炎症。

Caristo的首席医疗管、牛津大学心血管医学教授Keith Channon表示，「我们很高兴发现，在预测患者心脏疾病方面，CaRi-Heart表现异常出色。这个工具非常适合帮助临床医生识别那些有正常的CCTA扫描结果的心脏病高风险患者。」

CaRi-Heart将AI算法应用于常规的CCTA扫描中，用来可视化和量化冠状动脉炎症的严重程度，这种原本看不见的疾病机制会导致中风和许多致命的心脏病发作。

Caristo公司由牛津大学心脏病专家创立于 2018 年。他们表示，50多年前就已经有研究发现，心脏病发作是由冠状动脉的炎症引起的，但临床医生一直无法通过常规心脏检查来观察和测量炎症的情况。

而现在可以使用CaRi-Heart技术从患者心脏的CTTA扫描中提取这方面信息，这标志着一项科学突破，从根本上改变了心脏病预测、预防和管理的传统方法。

可以直接在云平台上，通过安全、匿名的数据传输方式上传扫描结果，并提交其他风险因素的相关信息，临床医生就可以在订单后48小时内收到CaRi-Heart提供的经过人类专家核查的报告结果。

CaRi-Heart已经在英国、欧洲和澳大利亚投入临床使用。该公司正在研发的新产品还将能够提前数年预测中风和糖尿病风险。

参考资料：

https://longevity.technology/news/new-ai-tech-predicts-cardiac-events-due-to-coronary-inflammation/

https://www.caristo.com/cari-heart-technology/

https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(24)00596-8/fulltext