基于AI的乳腺动脉钙化定量新方法用于预测心血管风险
图像与视频处理
2026-03-16 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
女性在心血管疾病的诊断和治疗方面存在不足。在筛查乳房X光摄影中自动定量乳腺动脉钙化(BAC)可以识别心血管疾病风险女性，从而实现更早的疾病治疗和管理。在来自两个医疗系统的116,135名女性的回顾性研究中，一个基于Transformer的神经网络在筛查乳房X光片上量化了BAC严重程度（无BAC、轻度、中度和重度）。结局包括主要不良心血管事件(MACE)和全因死亡率。BAC严重程度在调整心血管风险因素后与MACE独立相关，从轻度(HR 1.18-1.22)、中度(HR 1.38-1.47)到重度BAC(HR 2.03-2.22)，在各数据集上均具有统计学显著性(all p<0.001)。这种关联在所有年龄段均保持显著，即使轻度BAC也表明50岁以下女性风险增加。当与ASCVD风险评分一起分析时，BAC仍然是一个独立预测因子，显示与心肌梗死、中风、心力衰竭和死亡率之间的显著关联(all p<0.005)。自动BAC定量可以在常规乳房X光摄影期间实现机会性心血管风险评估，无需额外的辐射或成本。这种方法在传统风险因素之外提供了额外价值，特别是在年轻女性中，为每年接受乳房X光摄影的数百万女性提供了早期CVD风险分层的潜力。
引用
@article{arxiv.2503.14550,
title = {Novel AI-Based Quantification of Breast Arterial Calcification to Predict Cardiovascular Risk},
author = {Theodorus Dapamede and Aisha Urooj and Vedant Joshi and Gabrielle Gershon and Frank Li and Mohammadreza Chavoshi and Beatrice Brown-Mulry and Rohan Satya Isaac and Aawez Mansuri and Chad Robichaux and Chadi Ayoub and Reza Arsanjani and Laurence Sperling and Judy Gichoya and Marly van Assen and Charles W. ONeill and Imon Banerjee and Hari Trivedi},
journal= {arXiv preprint arXiv:2503.14550},
year = {2026}
}