小赛推荐：

该研究展示了如何利用常规乳腺X线摄影中的乳腺动脉钙化（BAC）作为女性心血管风险的早期标志物，为 心血管疾病 风险评估提供了新的无创、机会性筛查策略，提示未来可在乳腺癌筛查中同步进行心血管风险分层。

 

文献概述

本文《Artificial intelligence–based quantification of breast arterial calcifications to predict cardiovascular morbidity and mortality》，发表于《European Heart Journal》杂志，系统探讨了通过人工智能自动量化乳腺动脉钙化（BAC）在大规模、多中心队列中对心血管不良事件的预测价值。研究结合深度学习与临床终点数据，验证了BAC作为独立于传统风险评分（如PREVENT）的预后因子，为女性心血管疾病的早期识别提供了新路径。

背景知识

心血管疾病（CVD）是女性死亡的首要原因，但其诊断和治疗仍存在严重不足。传统风险评估工具如PREVENT评分依赖临床和实验室指标，缺乏对血管结构的直接评估。乳腺动脉钙化（BAC）作为一种中膜钙化，反映的是动脉僵硬度而非管腔狭窄，与冠状动脉钙化（CAC）不同，其机制独立于动脉粥样硬化。尽管BAC与糖尿病、高血压等代谢风险因素相关，但其作为独立预后标志物的价值尚未在大规模人群中充分验证。现有研究多采用主观或半定量评分，缺乏标准化。本研究通过引入基于Transformer架构的AI模型实现BAC的自动化、绝对面积量化（mm²），解决了传统方法的可重复性问题，填补了BAC从影像征象到临床风险工具之间的转化空白。

 

利用基因编辑技术构建心血管疾病动物模型是研究动脉粥样硬化、高血压等疾病的基石。赛业生物提供多种代谢及心血管相关的基因编辑小鼠模型，包括肥胖、糖尿病、动脉粥样硬化等，支持疾病机制研究与新药开发。模型涵盖条件性敲除、点突变、人源化等多种策略，适用于探究[[心血管疾病]]的遗传基础与病理过程。

了解更多

 

研究方法与核心实验

研究纳入了来自埃默里医疗中心和梅奥诊所的123,762名接受常规乳腺X线筛查的女性，构建了内部和外部验证队列。使用基于Transformer的神经网络对乳腺斜视图（MLO）进行BAC分割，输出为精确的钙化面积（mm²）。该模型在独立测试集上表现出高一致性（R²=0.91，Pearson相关性=0.95），显著优于传统人工判读的组内相关性。BAC严重程度被分为四类：0 mm²（无）、>0–10 mm²（轻度）、>10–25 mm²（中度）、>25 mm²（重度）。通过电子健康记录提取MACE（主要不良心血管事件）终点，包括心肌梗死、卒中、心力衰竭和全因死亡，并进行中位7年随访。

为评估BAC的增量预后价值，研究构建了多种Cox比例风险模型：仅年龄+BAC、仅PREVENT评分、PREVENT+BAC。Kaplan-Meier分析显示，BAC严重程度与MACE发生率呈显著剂量-反应关系（log-rank P < 0.001）。在调整PREVENT评分后，中重度BAC仍显著增加MACE风险（HR 1.75–3.29）。Fine-Gray竞争风险模型进一步证实，BAC对心力衰竭和死亡的预测能力最强。

关键结论与观点

• AI自动量化BAC面积每增加1 mm²，MACE风险增加2%–3% —— 这为未来开发连续性风险评分提供了量化基础，指导个体化 心血管风险评估 策略
• 中重度BAC（>25 mm²）女性MACE风险是无BAC女性的2.8–3.3倍，且独立于PREVENT评分 —— 强烈支持将BAC纳入现有风险模型以提升预测精度，尤其适用于传统风险因素未完全解释的高危女性
• 在<50岁女性中，中重度BAC仍显著降低无事件生存率 —— 提示BAC可作为年轻女性亚临床心血管损伤的早期预警信号，推动更早干预
• 添加BAC至PREVENT模型显著提升C-index（内部队列0.71→0.73）—— 表明该指标具备临床转化潜力，可用于优化预防性治疗决策

研究意义与展望

该研究为女性心血管健康提供了一种“机会性筛查”新范式：在常规乳腺癌筛查中，无需额外辐射或成本，即可通过AI自动分析BAC实现心血管风险分层。这不仅提高了筛查效率，也解决了女性CVD诊断不足的系统性问题。未来研究应探索BAC动态变化对风险再分类的影响，并推动其纳入临床指南。此外，该AI模型的泛化能力（跨设备、跨人群）为多中心部署提供了可行性。

 

心脑血管疾病药效评价平台提供全面的体内药效与病理分析服务，涵盖动脉粥样硬化、脑卒中等模型。通过血脂生化指标、主动脉病理形态分析等手段，评估药物对心血管系统的影响。该平台支持IND申报，适用于抗动脉粥样硬化、抗血栓等新药的临床前研究，助力从[[BAC]]相关机制发现到治疗策略验证的转化。

了解更多

 

结语

本研究确立了AI驱动的乳腺动脉钙化（BAC）定量作为女性心血管疾病独立且增量的预后标志物。通过在超过12万名女性中验证，研究证明BAC不仅与MACE风险呈剂量依赖关系，且能显著提升现有PREVENT评分的预测能力。这一发现为整合影像组学与临床风险模型开辟了新路径，尤其在女性群体中填补了早期风险识别的空白。从实验室到临床，该策略有望在乳腺X线检查中实现“一次成像，双重评估”，推动心血管预防从被动治疗转向主动筛查。对于心血管疾病照护体系，BAC的自动化评估或将成为常规风险分层的一部分，助力实现更精准、更个性化的女性健康管理。

 

Theodorus Dapamede, Aisha Urooj, Vedant Joshi, Imon Banerjee, and Hari Trivedi. Artificial intelligence–based quantification of breast arterial calcifications to predict cardiovascular morbidity and mortality. European Heart Journal.