研究人员正在解决预测心脏病发作这一尚未满足的需求，并通过人工智能模型来实现这一目标。据美国心脏协会统计，心血管疾病是全球首要死因，每年夺去超过1700万人的生命。凯斯西储大学、大学医院和休斯顿卫理公会的研究人员正利用人工智能帮助解决这一需求。
研究人员正在开发一种能够“学习”患者扫描结果的人工智能模型，以预测心力衰竭和其他心血管事件。美国国立卫生研究院为此合作项目提供了总计400万美元的两项资助。
凯斯西储大学教授兼项目负责人李硕（Shuo Li）表示：“这个项目代表了个性化医疗的重大飞跃。它有可能为心血管疾病预防和管理设定新标准，并推动使用人工智能分析图像以实现变革性医疗的前沿。”
该团队的目标是创建由AI驱动的预测模型，能够解释CT扫描数据、临床风险因素和人口统计信息，以了解心脏健康与身体成分之间的相互作用。如果研究人员能够实现这一点，医生可以以前所未有的准确性识别高风险患者。
成像心脏病学家兼副教授萨德尔·阿尔-肯迪（Sadeer Al-Kindi）表示：“准确的风险预测使我们能够量身定制预防性治疗，减少心血管疾病的负担并改善患者预后。通过早期识别心力衰竭和其他事件的风险，该项目有可能重新定义护理协议，拯救生命并降低医疗成本。”
研究人员正尝试开发能够解释钙评分CT扫描数据的人工智能模型，这种扫描是低成本且非侵入性的，可以识别冠状动脉中钙化斑块的数量。这些斑块可能会狭窄或阻塞心脏的动脉，并预测某人心脏病发作的风险。
通过从CT图像中提取新颖见解，人工智能模型可以利用这些测量结果估计心血管事件的风险。测量指标包括冠状动脉钙化、心脏形状、身体成分、骨密度和内脏脂肪。因此，模型可以更快、更全面地将结果与这些风险因素相关联。
凯斯西储大学医学院心血管研究所教授兼主任桑贾伊·拉贾戈帕兰（Sanjay Rajagopalan）表示：“对这些基于影像的新风险因素如何结合的更清晰理解，将推进对心代谢疾病表型的认识，并支持医生做出适当和及时的治疗建议。”
(全文结束)