根据今天在北美放射学会年会上发表的一项研究，人工智能(AI)提供了一种自动而准确的工具，可以测量接受胸部CT扫描以筛查肺癌的患者的心脏病常见标志物( RSNA)。

小剂量胸部CT被批准用于长期吸烟者等高危人群的肺癌筛查。尽管这些CT扫描旨在诊断肺癌，但在CT上也可以看到冠状动脉钙(一种动脉斑块的量度)。CT得出的冠状动脉钙化评分是一项行之有效的措施，可帮助医生确定谁应该服用降胆固醇的预防药物(他汀类药物)。

研究共同资深作者，马萨诸塞州心血管影像研究中心(CIRC)的AI总监Michael T. Lu，医学博士，MPH表示，新的胆固醇指南鼓励使用钙评分来帮助医生和患者决定是否服用他汀类药物。波士顿总医院(MGH)。对于某些处于中度心脏病风险的患者，如果钙评分为0，则可以推迟他汀类药物的使用。如果钙分数高，则这些患者应服用他汀类药物。

尽管具有预后价值，但在低剂量CT肺部筛查中并未常规测量冠状动脉钙，因为测量需要专用软件并增加了解释时间。

人工智能医学博士学位的主要作者Roman Zeleznik，M.Sc.，B.Sc.说，如果我们的工具在患者体内检测到大量冠状动脉钙化，那么也许我们可以将该患者送至专科医生进行随访。 (AIM)计划在波士顿的布里格姆妇女医院(BWH)和达纳-法伯癌症研究所进行。这将使患者更容易获得适当的治疗。

该研究小组代表了MGH的CIRC与BWH的AIM之间的紧密合作，最近开发并测试了一种技术，该技术使用深度学习(一种复杂的AI)自动测量胸部CT图像上的冠状动脉钙。他们在心脏CT和胸部CT上训练了深度学习系统，在这些系统中，手动测量了冠状动脉钙。然后，他们在数千名55-74岁的重型吸烟者的CT扫描中测试了该系统，这些吸烟者是美国国家肺癌筛查试验(NLST)的一部分，这项重大研究确立了CT在提供早期发现肺癌方面的价值。

结果表明，深度学习衍生的冠状动脉钙分数与人类读者的分数非常接近。此外，在6.5年的随访中，深度学习钙得分与心血管死亡之间存在显着关联。

卢医生说，在这些CT扫描中有关于心血管健康的信息。这是一种自动提取信息的方法，可以帮助患者和医生做出预防性治疗的决策。

例如，自动冠状动脉钙化定量可用于将人们分为高危和低危人群。

深度学习系统在后台运行，不会增加考试时间。该系统自动进行冠状动脉钙评估的能力可能会为研究带来福音，因为它可以在比人类读者花费更少的时间内评估大量患者的时间。

在肺部筛查人群之外，它也可能具有价值。该研究小组已经证明了其对患有稳定和急性胸痛的人的有效性。