随着人工智能(AI)发展，加上数据分析软体愈来愈先进，加速为患者开发最佳解决方案。美国研究团队日前发布消息称，该团队研究人员开发了一种深度学习模型，该模型使用单次胸部X光片就能预测心脏病发作或中风在十年内死亡的风险。

 研究人员之一、麻塞诸塞州心血管影像研究中心医学博士雅各 · 韦斯指出，深度学习是一种高级类型的人工智能，可训练它来搜索X射线图像，以找到与疾病相关的模式。我们的深度学习模型为利用现有的胸部X光图像筛查心血管疾病风险提供了潜在的解决方案。这种类型的筛查可用于识别那些可以使用他汀类药物但尚未接受治疗的个人。

 研究人员使用胸部X光(CXR)图像输入训练了一个深度学习模型，名为“CXR-CVD风险”，利用前列腺癌、肺癌、结直肠癌和卵巢癌筛查试验中超过四万名参与者的十四万七千四百九十七张胸部X光片来预测心血管疾病的死亡风险。

 研究人员使用第二组一万一千四百三十名门诊患者（平均年龄六十点一岁；百分之四十二点九为男性）对该模型进行了测试，这些患者接受了常规的门诊胸部X光检查，并有可能接受他汀类药物治疗。其中一千○九十六名，即百分之九点六，在十点三年的中位随访期内发生了严重的不良心脏事件。CXR-CVD风险深度学习模型预测的风险与观察到的主要心脏事件之间存在显着关联。

 研究人员还将该模型的预后价值与确定他汀类药物资格的既定临床标準进行了比较。由于电子记录中缺少资料（例如，血压、胆固醇），因此只能在二千四百○一名患者（百分之廿一）中进行计算。对于这部分患者，CXR-CVD风险模型的表现与已建立的临床标準相似，甚至提供了增量价值。从这个角度看，CXR-CVD风险模型可以帮助患者更好了解身体状况。

 韦斯说，这种方法的好处在于，只需要做一次胸部X光检查，深度学习模型就可预测未来的主要心血管不良事件，该模型最终可能成为医生的决策支持工具。对于药企、医院而言，在拥有充足医学知识和医学资料的基础上，仍需要耗费大量时间、精力方能产出医学结果。因此，其急需大资料、AI等数位化技术提升研发速度，缩短药物临床前研究各环节的时间，因此AI辅助医学研究市场值得关注。

 美 子