JMIR: AI uczy się wykrywać ryzyko chorób serca na podstawie mammografii
Zgodnie z publikacją w JMIR Publications, sztuczna inteligencja umożliwia wykorzystanie rutynowej mammografii do oceny ryzyka chorób sercowo-naczyniowych. Analizując zwapnienia tętnic piersiowych, AI może identyfikować kobiety z grupy wysokiego ryzyka bez dodatkowych badań, co jest szczególnie istotne dla pacjentek poniżej 50. roku życia.
Istota: co tak naprawdę się dzieje
Naukowcy z Emory University i Mayo Clinic stworzyli model AI oparty na transformerach, który przekształca rutynową mammografię w narzędzie przesiewowe ryzyka sercowo-naczyniowego. Model segmentuje zwapnienia tętnic piersiowych (BAC) i generuje ciągłą metrykę — każdy dodatkowy milimetr kwadratowy zwapnienia oznacza wzrost ryzyka MACE o 1%. Kohorta jest ogromna — 123 762 kobiet w dwóch niezależnych próbach. BAC wykryto u 16,1% uczestniczek w kohorcie Emory i u 20,6% w kohorcie Mayo.
Kluczowy wniosek mieści się w jednym zdaniu: BAC jest niezależnym czynnikiem ryzyka zdarzeń sercowo-naczyniowych, który dodaje wartość prognostyczną ponad wynik PREVENT — obecny kliniczny standard obliczania ryzyka. Dla kobiet poniżej 50. roku życia — grupy demograficznej, którą tradycyjne modele kardiologiczne mogą ignorować jako niskiego ryzyka — umiarkowane lub ciężkie BAC koreluje ze znacznie niższym przeżyciem bez MACE. Te kobiety zazwyczaj nie wykonują paneli lipidowych i nie trafiają do kardiologa, ale mammografię w USA wykonuje 40 milionów kobiet rocznie — począwszy od 40. roku życia.
Chronologia i kontekst
Historia BAC nie jest nowa — radiolodzy od dziesięcioleci widzą te zwapnienia na zdjęciach. Ale, jak mówi główny autor Hari Trivedi: „Wytyczne praktyki nie wymagają od radiologów zgłaszania tego znaleziska”. Rezultat jest absurdalny: informacja istnieje w pikselach obrazu, ale nie trafia ani do opisu, ani do decyzji klinicznej. Według niektórych danych BAC występuje w 12–42,5% mammografii przesiewowych, a zgłaszany jest w mniej niż 5% przypadków.
Punktem zwrotnym stał się kalkulator PREVENT, opublikowany przez American Heart Association w 2023 roku. Zastąpił on Pooled Cohort Equations i służy do oceny ryzyka sercowo-naczyniowego, nerkowego i metabolicznego. Ale PREVENT to narzędzie czysto kliniczno-laboratoryjne, nie uwzględnia obrazowania anatomicznego naczyń. BAC wypełnia właśnie tę niszę — jest anatomicznym markerem obciążenia wapniem, widocznym na już istniejących zdjęciach.
Badanie JMIR przesuwa metodologię zasadniczo do przodu. Poprzednie prace oceniały BAC jako zmienną binarną — jest/nie ma. Model Trivediego generuje ciągły wynik punktowy w mm² i kategoryzuje go: łagodny (0–10 mm²), umiarkowany (10–25 mm²), ciężki (>25 mm²). Walidacja została przeprowadzona na dwóch zasadniczo różnych populacjach: Emory w Atlancie — prawie w połowie afroamerykańska, Mayo — starsza i obejmująca więcej pacjentów pochodzenia latynoamerykańskiego. Model działa między skanerami i między populacjami.
Równolegle rozwija się komercyjna ekosystem. Onsite Women’s Health, największy dostawca mammografii gabinetowej w USA (ponad 175 praktyk w 28 stanach, prognoza 600 000+ badań w 2026 roku), uruchomiła program „Mammo with heart” oparty na zatwierdzonym przez FDA AI od CureMetrix. CMS stworzyło nowe kody refundacyjne dla algorytmicznej analizy wapnia wieńcowego w TK klatki piersiowej od 1 kwietnia 2026 roku — precedens płatności za analizę zwapnień przez AI już istnieje. W 2026 roku wprowadzono również specyficzne dla AI kody CPT dla mammografii: 3321F–3323F dla automatycznego porównania z poprzednimi zdjęciami.
Kto zyskuje, a kto traci
Zyskują
Kobiety w wieku 40–50 lat. To główni beneficjenci. Wykonują mammografię zgodnie z harmonogramem, ale ich ryzyko sercowo-naczyniowe jest systematycznie niedoszacowane. Umiarkowane lub ciężkie BAC w tej grupie wiekowej to silny predyktor MACE, który nie jest wychwytywany przez standardowe algorytmy karzące młody wiek. Otrzymują „badanie dwa w jednym” bez dodatkowej radioterapii, wizyty u lekarza czy badania krwi.
Dostawcy mammografii przesiewowej z integracją AI. Onsite Women’s Health przekształciła mammografię z jednego badania przesiewowego w dwa. CEO Jillian Wright formułuje to wprost: „Wierzymy, że naszym obowiązkiem jest wyciągnąć maksimum z każdej mammografii”. To strategia różnicowania: gdy konkurencja między ośrodkami mammograficznymi opiera się na wygodzie i szybkości, „Mammo with heart” dodaje wartość kliniczną, której konkurenci bez AI nie mogą powtórzyć.
CureMetrix. Ich cmAngio — zatwierdzone przez FDA rozwiązanie do analizy BAC — jest teraz wdrażane w sieci ponad 175 praktyk. Onsite to idealny kanał dystrybucji.
Kardiolodzy otrzymujący skierowania. Trivedi przyznaje: „Mamy duże zapotrzebowanie i wsparcie ze strony kardiologów”. 3 000 kobiet rocznie tylko w Emory zostanie zidentyfikowanych jako mające ciężkie BAC. Te pacjentki trafią do klinik kardiologicznych wcześniej niż bez badań przesiewowych. Dla kardiologów to nowi pacjenci, dla systemu — przesunięcie wydatków z interwencji późnej fazy na profilaktykę.
Badacze medycyny specyficznej dla płci. BAC po raz pierwszy w takiej skali i z taką dokładnością dokumentuje anatomiczny marker ryzyka specyficzny dla populacji kobiet. Wzmacnia to bazę dowodową dla podejść specyficznych dla płci w kardiologii prewencyjnej.
Tracą
Tradycyjne kalkulatory kardiologiczne (PREVENT, ASCVD Risk Estimator). Nie tracą ważności klinicznej, ale tracą monopol. U Trivediego i zespołu BAC wykazał dodatkową wartość prognostyczną ponad PREVENT. Dla klinicysty stwarza to dylemat: PREVENT podaje jedną liczbę ryzyka, BAC — inną; jak je zintegrować i któremu dać priorytet przy przepisywaniu statyn?
Klinicyści z wysokim progiem przepisywania statyn kobietom. Historycznie statyny są niedoprzepisywane kobietom. Badanie BAC, pokazujące obiektywne ryzyko anatomiczne, może zmienić decyzję lekarza i zwiększyć recepty na statyny. Dla zwolenników minimalnej interwencji farmakologicznej to niepożądana zmiana.
Ubezpieczyciele. 3 000 dodatkowych skierowań kardiologicznych rocznie z jednego centrum medycznego to wzrost wydatków. W krótkiej perspektywie dodatkowe badania przesiewowe i późniejsze wizyty u kardiologa kosztują. Ubezpieczyciele będą wymagać dowodów, że wczesna interwencja zwraca się poprzez zapobieganie zawałom i udarom — a to dane z badań podłużnych, których jeszcze nie ma.
Kobiety z fałszywie dodatnimi wynikami. Trivedi nie omawia tego w tym wywiadzie, ale problem fałszywie dodatnich sygnałów BAC jest nieunikniony. Jeśli model nadmiernie diagnozuje zwapnienia, kobieta otrzymuje niepotrzebny stres, niepotrzebne badania kardiologiczne i potencjalnie niepotrzebną terapię farmakologiczną. Wskaźnik fałszywie dodatnich dla BAC AI to krytyczny nieopublikowany parametr.
Czego media nie dopowiadają
Insight nr 1: CMS refundacja dla analizy zwapnień przez AI już istnieje — ale nie dla BAC. Ten fakt umknął wszystkim komentatorom. CMS już stworzyło krajowy kod billingowy dla algorytmicznej analizy wapnia w tętnicach wieńcowych (CAC) i wapnia w zastawce aortalnej (AVC) w TK klatki piersiowej, obowiązujący od 1 kwietnia 2026 roku. Dla mammograficznego BAC podobny kod jeszcze nie istnieje. Ale precedens regulacyjny został ustanowiony: CMS uznało, że algorytmiczna metryka wapniowa jest usługą podlegającą refundacji. Gdy tylko badacze Trivediego i komercyjni gracze, tacy jak CureMetrix, zgromadzą wystarczającą bazę dowodową, stworzenie specyficznego kodu CPT dla BAC będzie kwestią miesięcy, a nie lat. To akcelerator, którego rynek jeszcze nie uwzględnił w ocenach.
Insight nr 2: 3 000 kobiet rocznie z ciężkim BAC to tylko jeden ośrodek medyczny. Przeskaluj na 40 milionów mammografii rocznie. Emory wykonuje 150 000 mammografii rocznie, z czego 2–3% to ciężkie BAC, około 3 000 kobiet. Ekstrapolując na ogólnokrajowe 40 milionów mammografii przesiewowych: to 800 000–1 200 000 kobiet z ciężkim BAC rocznie. Ich identyfikacja wywoła falę skierowań kardiologicznych, która albo przeciąży system, albo zostanie odfiltrowana przez zautomatyzowane protokoły stratyfikacji. Trivedi przyznaje: „Przewidujemy trudności — jak zamierzamy poradzić sobie z tym potencjalnym dodatkowym wolumenem?” To nie problem techniczny, ale problem planowania wydajności, którego nikt jeszcze nie rozwiązuje.
Insight nr 3: Dane dotyczące palenia odwracają oczekiwania — i ujawniają metodologiczną bombę. „BAC jest odwrotnie powiązany z paleniem w naszym badaniu — palacze mają mniej BAC” — mówi Trivedi. Jest to sprzeczne z intuicją, ponieważ palenie jest silnym czynnikiem ryzyka zarówno miażdżycy, jak i MACE. Trivedi przypisuje to „niewiarygodności danych o paleniu” i twierdzi, że nie stanowi to problemu, ponieważ BAC i palenie są niezależnymi czynnikami ryzyka. Ale dla klinicysty stwarza to niebezpieczną sytuację: kobieta paląca z niskim BAC może zostać błędnie sklasyfikowana jako niskiego ryzyka, podczas gdy palenie podnosi jej rzeczywiste ryzyko. Badanie BAC nie zastępuje behawioralnych czynników ryzyka, ale jeśli model tłumi wagę jednego czynnika z powodu kolinearności z innym, dokładność predykcyjna spada.
Prognoza: następne 30 dni i 90 dni
30 dni (do 6 czerwca 2026)
Trivedi i zespół rozpoczną prospektywne wdrożenie kliniczne modelu w ramach Emory Healthcare. To nie walidacja techniczna — ta już została wykonana. To pomiar wpływu klinicznego: ile pacjentek z ciężkim BAC zostało faktycznie skierowanych do kardiologa, ile otrzymało statyny, jak zmieniły się panele lipidowe, czy były fałszywie alarmujące skierowania? Te dane staną się podstawą wniosku o kod CPT.
Tymczasem Onsite Women’s Health przyspiesza ekspansję „Mammo with heart”. Obecnie program jest dostępny w jednej stowarzyszonej praktyce — Intermountain Medical Clinic. W ciągu najbliższych 30 dni nastąpią ogłoszenia o nowych lokalizacjach. Biorąc pod uwagę ich sieć 175 praktyk w 28 stanach, skalowanie będzie szybkie. CureMetrix otrzyma rosnący strumień danych o wydajności klinicznej cmAngio w rzeczywistych warunkach.
Publikacja w JMIR wywoła falę zapytań ze strony oddziałów radiologicznych. Każdy duży ośrodek medyczny zada pytanie: „Czy nasz PACS ma możliwość uruchomienia tego modułu AI? Który z dostawców oferuje integrację?” Co najmniej 20–30 ośrodków zainicjuje wewnętrzną dyskusję na temat badań przesiewowych BAC.
90 dni (do 5 sierpnia 2026)
Wyniki trzech międzynarodowych kohort walidacyjnych staną się znane. Trivedi poinformował, że naukowcy pracują z kohortami w Grecji, Brazylii i Wielkiej Brytanii, sprawdzając nie techniczną wydajność modelu, ale wyniki sercowo-naczyniowe. Jeśli BAC wykaże porównywalną dodatkową wartość prognostyczną na trzech kontynentach, przekształci to badanie z „interesującego odkrycia” w „globalnie zwalidowany biomarker”. Taka baza dowodowa to bezpośrednia droga do włączenia BAC do wytycznych klinicznych.
AHA/ACC rozpoczną nieformalną dyskusję na temat włączenia BAC do PREVENT 2.0 lub równoległego kalkulatora ryzyka. Proces ten jest powolny — od publikacji do aktualizacji wytycznych mija 2–4 lata. Ale biorąc pod uwagę, że PREVENT nie uwzględnia anatomii, a BAC jest właśnie parametrem anatomicznym, presja na komitety wytycznych będzie narastać. Spodziewaj się pierwszego editorialu w Circulation lub JACC wzywającego do rewizji podejść.
CMS otrzyma wniosek od środowisk zawodowych (Society of Breast Imaging, American College of Radiology) o utworzenie kodu CPT dla analizy BAC. Nie nastąpi to natychmiast — Panel Redakcyjny CPT spotyka się trzy razy w roku, a kod może wejść w cykl 2027 roku. Ale równolegle kliniki zaczną pilotażowo refundować poprzez kody dla przypadkowych znalezisk lub poprzez kody wapniowe utworzone dla TK.
Rynek AI w radiologii podzieli się na dwa obozy: firmy dodające BAC jako drugą funkcję (mammograficzny AI z deklarowanym „dwa w jednym”) oraz firmy skupiające się wyłącznie na raku piersi. Ci, którzy mają detekcję BAC zatwierdzoną przez FDA (CureMetrix), zyskają okno konkurencyjne na 12–18 miesięcy, podczas gdy pozostali będą przechodzić proces regulacyjny.
Kluczową niewiadomą jest compliance pacjentek. Kobieta przyszła na mammografię, poinformowano ją: „Rak nie wykryty, ale masz umiarkowane zwapnienia tętnic piersiowych”. Co zrobi? Pójdzie do kardiologa? Zignoruje? Wpadnie w panikę? Odpowiedź na to pytanie zdecyduje, czy badanie BAC stanie się realnym narzędziem profilaktyki, czy technologią generującą dane bez klinicznych konsekwencji. Trivedi to rozumie: „Teraz, gdy mamy to narzędzie, możemy zacząć je badać”. Narzędzie jest. Dane są. Ale zachowanie pacjentek i lekarzy — ostatnia mila, która oddziela innowację od rzeczywistego wpływu. A ostatnia mila jest zawsze najtrudniejsza.
— Editorial Team
