據CNN報道，早期研究表明，利用人工智能（AI）有希望能從一張X光胸片預測10年內心臟病發作或中風死亡的風險。
初步研究結果周二在北美放射學會的年會上公布。該研究處於最後的草稿階段，還沒有提交醫學雜誌發表。
研究人員使用了近15萬張X光胸片來訓練AI程式識別圖像中與主要心血管疾病發作風險相關的模式。他們在另外一個約1.1萬人的小組中測試了該程式，發現AI預測的風險水平與實際發生的重大心血管疾病發作之間存在「重大關聯」。
分析心血管疾病風險的臨床標準是動脈粥樣硬化性心血管疾病（ASCVD）風險評分，該評分對各種患者數據點進行加權計算。這些數據點已被發現與不良心血管問題發作有很高的關聯，包括年齡、血壓和吸煙史。
對於10年發病風險在7.5%以上的病人，醫生會推薦使用他汀類藥物（Statin）。AI模型使用與既定風險計算器相同的風險閾值，早期的研究結果表明，AI預測效果同樣好。
該項目首席研究員、麻省總醫院和哈佛醫學院Brigham婦女醫院AI醫學項目的放射科醫生韋斯（Jakob Weiss）說：「我們早就認識到，X射線捕捉了傳統診斷結果之外的信息，但我們沒有使用這些數據，因為沒有強大、可靠的方法。」他說，AI的發現有時與傳統的放射學讀數一致，有時會發現可能被遺漏的東西。
「它有種黑盒子的特徵」，他說，有時會使我們無法解釋很難向病人說明風險。
西北大學醫學院預防醫學主席、美國心臟協會前主席羅德-瓊斯（Donald Lloyd-Jones）在2013年創建ASCVD風險評分時，以及在2018年更新指南時，都擔任了關鍵角色。雖然沒有參與這次的AI研究，但他說保持該領域的發展很重要。他說，「這正是AI的最佳應用。」
但收集所有進入現有風險計算的患者數據點仍然至關重要，因為它們是可操作的。而且，無論風險是使用統計公式還是AI模型計算，最成功的結果仍然需要個性化的患者評估。
韋斯和合著者在研究中使用了國家癌症研究所的前列腺癌、肺癌、結直腸癌和卵巢癌篩查試驗參與者的X光胸片訓練AI。它的測試對象是在Mass General Brigham醫院進行常規門診X光檢查並可能符合他汀類藥物治療的人，平均年齡為60歲。
該深度學習模型還需要額外的研究，包括對照組隨機試驗來進一步驗證。本報訊
