心血管疾病仍然是全球主要的死亡原因之一，其中像腹主动脉瘤（AAA）和外周动脉疾病（PAD）这样的血管疾病对患者的健康构成了重大威胁。这些血管疾病往往进展难以预测，导致严重的并发症，如动脉瘤破裂或关键肢体缺血。传统的风险评估模型存在局限性，使得医生在预测疾病进展和定制治疗方案时工具不全。然而，最近在人工智能（AI）和多模态数据集成方面的进步为个性化血管健康护理提供了新的可能性。
一项名为《Developing Trustworthy Artificial Intelligence Models to Predict Vascular Disease Progression: The VASCUL-AID-RETRO Study Protocol》的研究，由Lotte Rijken、Sabrina Zwetsloot、Stefan Smorenburg及其同事开展，并发表在《Journal of Endovascular Therapy》上，探讨了AI驱动模型在改变AAA和PAD患者的分层风险评估和疾病预测方面的潜力。这项跨国研究旨在建立可信、合乎伦理且基于数据的AI模型，以更准确地预测血管疾病的进展及相关的心血管事件。
管理AAA和PAD的最大挑战之一是疾病进展的不可预测性。例如，一些小的AAA可以多年保持稳定，而另一些则会突然破裂，未治疗病例的死亡率高达85-90%。同样，PAD可能会发展成关键肢体缺血，增加重大心血管事件、截肢甚至死亡的风险。
当前的临床指南使用一刀切的手术干预阈值，主要基于动脉瘤直径或动脉阻塞的严重程度。然而，这些指标并不能完全捕捉到个体患者的风险特征。许多患者接受侵入性手术过晚，而另一些患者则接受了本可避免的不必要的干预措施，如果有更好的风险预测工具的话。
VASCUL-AID-RETRO研究旨在通过开发整合多种数据集的多模态AI模型来应对这一挑战，包括：
通过对来自多个欧洲中心的5000名AAA和6000名PAD患者的数据集进行全面分析，该研究旨在创建高度精确的AI驱动预测模型。这些模型预计将提供个性化的风险评估，帮助医生做出基于数据的临床决策，可能减少不必要的干预措施，同时确保高危患者得到及时治疗。
尽管AI在疾病检测和预测方面展示了巨大的潜力，但信任度和伦理考虑仍是其临床应用的主要障碍。许多AI模型由于训练数据集较小且同质化，导致在现实医疗环境中可靠性降低。
VASCUL-AID-RETRO研究优先考虑可信AI的开发，确保遵守国际伦理指南和法律标准。研究的核心方面是整合一个健康伦理、法律和社会方面（HELSA）框架，旨在解决以下问题：
此外，所有AI模型都将经过严格验证，以评估其准确性、可靠性和现实世界的应用性。最初，将分别为每种数据类型（临床、影像、基因组和蛋白组）开发单独的风险预测模型。然后，这些模型将被组合成一个先进的多模态AI系统，能够为个别患者提供更准确和全面的风险评估。
研究还考虑了AI模型的可解释性——这是医生接受并将AI集成到常规医疗实践中的关键因素。通过使用图神经网络、深度学习技术和统计验证，研究人员旨在确保医疗专业人员能够理解和信任AI驱动的建议。
VASCUL-AID-RETRO研究的最终目标是通过从通用治疗方法转向精准医学来转变血管疾病管理。借助AI驱动的风险预测，医疗服务提供者可以：
VASCUL-AID项目的一个创新组成部分是计划开发一款移动健康（mHealth）应用程序。该应用程序将使患者和医生能够实时监测血管健康，跟踪风险因素，并接收AI辅助的疾病预防和治疗建议。这些工具有可能彻底改变医院外的血管疾病监测和管理方式。
此外，该研究还将为影响AAA和PAD进展的遗传和生化因素提供宝贵的见解，可能揭示未来治疗的新靶点。
VASCUL-AID-RETRO研究代表了AI驱动的血管疾病预测领域的重要努力，结合尖端人工智能与多模态临床和基因组数据，以改善患者护理。通过确保信任度、透明度和伦理合规性，这项研究为AI在医疗领域的负责任整合设定了新标准。
随着研究的推进，未来的步骤包括在VASCUL-AID-PRO研究中进行前瞻性验证，在现实世界的临床环境中测试AI模型。如果成功，这一举措可能导致AI辅助决策工具在血管外科和其他心血管医学领域的广泛应用。
AI在血管健康中的整合标志着向个性化、数据驱动的医学迈出的重要一步，其中治疗决策根据每个患者独特的风险状况量身定制。通过弥合AI研究与临床应用之间的差距，VASCUL-AID倡议有可能拯救生命，降低医疗成本，并为后代改造血管疾病管理。
(全文结束)