JMIR：人工智能通过乳腺X线摄影数据检测心脏病风险
根据JMIR Publications发表的一篇文章，人工智能使常规乳腺X线摄影能够评估心血管疾病风险。通过分析乳腺动脉钙化，AI可以在无需额外检查的情况下识别高风险女性，这对50岁以下患者尤其重要。
要点：实际发生了什么
来自埃默里大学和梅奥诊所的研究人员开发了一种基于Transformer的AI模型，将常规乳腺X线摄影转变为心血管风险筛查工具。该模型分割乳腺动脉钙化（BAC）并输出一个连续指标——每增加一平方毫米钙化，主要不良心血管事件（MACE）风险增加1%。研究队列规模庞大：两个独立样本共123,762名女性。在埃默里队列中，16.1%的参与者发现BAC，梅奥队列中为20.6%。
关键结论可以用一句话概括：BAC是心血管事件的独立风险因素，在目前临床标准风险计算工具PREVENT评分之上增加了预测价值。对于50岁以下女性——传统心脏模型可能将其视为低风险的人群——中度或重度BAC与显著更低的MACE无事件生存率相关。这些女性通常不会进行血脂检查或看心脏病专家，但美国每年有4000万女性从40岁开始接受乳腺X线摄影。
时间线与背景
BAC的历史并不新鲜——放射科医生几十年来一直在图像上看到这些钙化。但正如第一作者Hari Trivedi指出的，“实践指南不要求放射科医生报告这一发现。”结果很荒谬：信息存在于图像像素中，但从未进入报告或临床决策。根据一些数据，BAC存在于12–42.5%的筛查乳腺X线摄影中，但在不到5%的病例中被报告。
转折点是美国心脏协会于2023年发布的PREVENT计算器。它取代了汇总队列方程，旨在评估心血管、肾脏和代谢风险。但PREVENT是一个纯粹的临床实验室工具；它不包括解剖学血管成像。BAC正好填补了这一空白——它是现有图像上可见的钙负荷解剖学标志。
JMIR研究显著推进了方法论。先前的工作将BAC评估为二元变量——存在或不存在。Trivedi的模型输出以mm²为单位的连续评分，并将其分类：轻度（0–10 mm²）、中度（10–25 mm²）、重度（>25 mm²）。验证在两个根本不同的人群中进行：亚特兰大的埃默里队列，近一半为非裔美国人；梅奥队列，年龄更大且包括更多西班牙裔患者。该模型跨扫描仪和跨人群工作。
与此同时，商业生态系统正在发展。Onsite Women's Health是美国最大的办公室乳腺X线摄影提供商（覆盖28个州超过175家诊所，预计2026年进行超过60万次检查），推出了基于CureMetrix获得FDA批准的AI的“Mammo with heart”项目。CMS于2026年4月1日生效了胸部CT上冠状动脉钙化算法分析的新报销代码——为基于AI的钙化分析付费已有先例。2026年，乳腺X线摄影的AI专用CPT代码也引入了：3321F–3323F用于与先前图像的自动比较。
谁赢谁输
赢家
40–50岁女性。 这些是主要受益者。她们按时进行乳腺X线摄影，但心血管风险被系统性低估。该年龄组的中度或重度BAC是MACE的有力预测因子，而标准算法因年轻而低估风险。她们获得“一次检查两种结果”，无需额外辐射、医生就诊或血液检查。
集成AI的筛查乳腺X线摄影提供商。 Onsite Women's Health将乳腺X线摄影从一次筛查转变为两次。CEO Jillian Wright直言：“我们认为有责任从每次乳腺X线摄影中提取最大价值。”这是一种差异化策略：当乳腺X线摄影中心之间的竞争基于便利性和速度时，“Mammo with heart”增加了没有AI的竞争对手无法复制的临床价值。
CureMetrix。 其cmAngio是一种获得FDA批准的BAC分析解决方案，现已在超过175家诊所的网络中部署。Onsite是一个理想的销售渠道。
接收转诊的心脏病专家。 Trivedi承认：“我们得到了心脏病专家的很多需求和支持。”仅埃默里每年就有3000名女性被识别为重度BAC。这些患者将比没有筛查时更早进入心脏病诊所。对心脏病专家来说，这意味着新患者；对系统而言，它将支出从晚期干预转向预防。
性别特异性医学研究人员。 BAC首次以如此规模和精度记录了女性特有的解剖学风险标志。这加强了预防心脏病学中性别特异性方法的证据基础。
输家
传统心脏风险计算器（PREVENT、ASCVD风险评估器）。 它们不会失去临床有效性，但会失去垄断地位。Trivedi团队表明，BAC在PREVENT之上增加了预测价值。对临床医生来说，这造成了一个困境：PREVENT给出一个风险数字，BAC给出另一个；如何整合它们，以及在处方他汀类药物时优先考虑哪个？
对女性处方他汀类药物阈值较高的临床医生。 历史上，女性他汀类药物处方不足。BAC筛查显示客观的解剖学风险，可能改变医生决策并增加他汀类药物处方。对于主张最小药物干预的人来说，这是一个不受欢迎的转变。
保险公司。 一个医疗中心每年额外3000次心脏病转诊意味着成本增加。短期内，额外筛查和随后的心脏病专家就诊需要花钱。保险公司将要求证据表明早期干预通过预防心脏病发作和中风获得回报——来自尚不存在的纵向结局研究的数据。
假阳性结果的女性。 Trivedi在采访中没有讨论这一点，但假阳性BAC信号是不可避免的。如果模型过度诊断钙化，女性会承受不必要的压力、不必要的心脏检查以及可能不必要的药物。BAC AI的假阳性率是一个关键但未公布的参数。
媒体遗漏了什么
洞察#1：CMS对基于AI的钙化分析的报销已经存在——但并非针对BAC。 这一事实被所有评论者忽略。CMS已经为胸部CT上冠状动脉钙化（CAC）和主动脉瓣钙化（AVC）的算法分析创建了国家计费代码，自2026年4月1日起生效。乳腺X线摄影BAC尚无类似代码。但监管先例已确立：CMS已承认算法钙化指标是一项可计费服务。一旦Trivedi团队和CureMetrix等商业参与者建立足够证据，创建BAC特定CPT代码将只需数月而非数年。这是一个市场尚未定价的加速器。
洞察#2：每年3000名重度BAC女性只是一个医疗中心。将其扩展到每年4000万次乳腺X线摄影。 埃默里每年进行15万次乳腺X线摄影，其中2–3%显示重度BAC，约3000名女性。外推到全国4000万次筛查乳腺X线摄影：每年有80万至120万重度BAC女性。识别她们将引发一波心脏病转诊，要么压垮系统，要么通过自动分层协议进行过滤。Trivedi承认：“我们预见到挑战——我们如何处理这潜在额外的工作量？”这不是技术问题，而是容量规划问题，目前无人解决。
洞察#3：吸烟数据颠覆预期——并揭示方法论炸弹。 “在我们的研究中，BAC与吸烟呈负相关——吸烟者BAC较少，”Trivedi说。这违反直觉，因为吸烟是动脉粥样硬化和MACE的强风险因素。Trivedi将其归因于“吸烟数据的不可靠性”，并声称这不是问题，因为BAC和吸烟是独立风险因素。但对临床医生来说，这造成了一个危险情况：低BAC的女性吸烟者可能被错误分类为低风险，尽管吸烟增加了她的实际风险。BAC筛查不能替代行为风险因素，但如果模型由于共线性而抑制了一个因素的权重，预测准确性会下降。
预测：未来30天和90天
30天（至2026年6月6日）
Trivedi团队将开始在埃默里医疗系统内进行模型的前瞻性临床部署。这不是技术验证——那已完成。而是衡量临床影响：多少重度BAC患者实际转诊给心脏病专家，多少接受他汀类药物，血脂检查如何变化，是否有假警报？这些数据将构成CPT代码申请的基础。
与此同时，Onsite Women's Health正在加速“Mammo with heart”的扩展。目前，该计划在一家附属诊所——Intermountain Medical Clinic提供。未来30天内，将宣布新站点。鉴于其在28个州拥有175家诊所的网络，扩展将迅速。CureMetrix将收到越来越多的cmAngio真实世界临床性能数据。
JMIR的发表将引发放射科的大量咨询。每个主要医疗中心都会问：“我们的PACS能否运行这个AI模块？哪些供应商提供集成？”至少20–30个中心将启动关于BAC筛查的内部讨论。
90天（至2026年8月5日）
三个国际验证队列的结果将公布。Trivedi报告说，研究人员正在与希腊、巴西和英国的队列合作，测试的不是技术模型性能，而是心血管结局。如果BAC在三大洲显示出相当的附加预测价值，它将把这项研究从“有趣的发现”转变为“全球验证的生物标志物”。这样的证据是纳入临床指南的直接途径。
AHA/ACC将开始非正式讨论将BAC纳入PREVENT 2.0或并行风险计算器。这个过程缓慢——从发表到指南更新需要2–4年。但鉴于PREVENT已经缺乏解剖学参数，而BAC正是解剖学参数，对指南委员会的压力将增加。预计《Circulation》或《JACC》上第一篇呼吁修订方法的社论。
CMS将收到专业学会（乳腺影像学会、美国放射学会）的请求，为BAC分析创建CPT代码。这不会立即发生——CPT编辑小组每年召开三次会议，代码可能进入2027年周期。但与此同时，诊所将开始通过偶然发现代码或为CT创建的钙化代码试行报销。
AI放射学市场将分为两个阵营：将BAC作为第二功能添加的公司（声称“一次检查两种结果”的乳腺X线摄影AI）和专注于乳腺癌的公司。那些拥有FDA批准的BAC检测的公司（CureMetrix）将获得12–18个月的竞争窗口，而其他公司则通过监管流程。
关键未知因素是患者依从性。一名女性来做乳腺X线摄影，被告知：“未发现癌症，但你有中度乳腺动脉钙化。”她会怎么做？看心脏病专家？忽略它？恐慌？这个问题的答案将决定BAC筛查是成为真正的预防工具，还是产生数据而无临床后果的技术。Trivedi理解这一点：“现在我们有了这个工具，我们可以开始研究它。”工具在这里。数据在这里。但患者和医生的行为是区分创新与真正影响的最后一英里。而最后一英里总是最难的。
— Editorial Team
