美国国立卫生研究院和威斯康星大学的研究人员证明，与目前的标准方法(例如弗雷明汉风险评分(FRS)和人体质量)相比，使用人工智能分析CT扫描可以对重大心血管事件进行更准确的风险评估。指数(BMI)。

仅在美国，每年就进行超过8000万次人体CT扫描，但是通常忽略了有关人体成分的宝贵预后信息。例如，在这项研究中，进行常规结肠直肠癌筛查的腹部扫描揭示了与心脏相关风险的重要信息-当使用AI分析图像时。

该研究比较了源自图像处理算法的基于CT的自动人体成分生物标记物相对于常规使用的临床参数预测主要心血管事件和总体存活率的能力。研究人员发现，基于CT的测量在预测下游不良事件(包括死亡或心肌梗塞，脑血管意外或充血性心力衰竭)方面比FRS和BMI更准确。结果发表在《柳叶刀数字健康》上。

美国国立卫生研究院临床中心，该研究的高级作者罗纳德·M·萨默斯(Ronald M. Summers)博士说：“我们发现，自动化措施比已建立的临床生物标志物能提供更准确的风险评估。”“这表明了一种利用人工智能方法来利用嵌入在所有此类扫描中的生物特征数据的潜力，这些生物特征数据还可以用于其他各种适应症，并获得可以帮助人们更好地了解其整体健康状况和严重不良事件风险的信息。”

该研究在腹部CT扫描上使用了五个AI计算机程序，以准确测量肝脏体积和脂肪变化，内脏脂肪体积，骨骼肌体积，脊柱骨矿物质密度和动脉狭窄。研究人员发现，不仅可以基于自动CT的生物标记物的组合与FRS和BMI相比在预测任何症状出现之前预测心血管事件和死亡方面均具有可喜的优势，而且实际上是主动脉钙化的CT测量，即钙沉积物的堆积。在主要的心血管事件和总体生存率方面，仅主动脉瓣明显优于FRS。

研究人员还观察到，BMI不能很好地预测心血管事件和总生存，并且所有五项基于CT的自动测量指标在不良事件预测方面均明显优于BMI。

威斯康星大学医学院公共卫生学院的医学博士Perry J. Pickhardt表示：“这种机会性地使用其他基于CT的生物标记物为医生已经在做的事情提供了客观价值。”“这种自动化过程不需要对患者进行额外的时间，精力或放射线照射，但是这些预后措施有一天可能通过症状前检测到心血管升高或其他健康风险而影响患者的健康。”

这项研究基于先前设计Summers博士在NIH临床中心放射学和影像科学系实验室中进行的AI算法以及他先前与Pickhardt博士的合作来开发，训练，测试和验证用于测量的全自动算法的努力身体成分采用腹部CT。研究人员计划在其他研究中测试这种方法，包括种族更加多样化的人群。