西澳大利亚大学研究人员携手医疗科技行业伙伴Artrya，成功开发出一种全新的全自动人工智能算法，在预测心脏病发作风险方面展现出比现有方法更出色的效能，相关研究成果发表于《循环：心血管成像》杂志。

第一作者加文·皇甫博士来自西澳大学医学院等多个机构，他指出，冠状动脉钙化评分虽改变了无症状人群心脏病预防方式，但测量方式存在固有缺陷。皇甫博士称：“尽管人们知道动脉起始处附近的疾病具有更大的风险，但它并没有解释冠状动脉钙化斑块的位置。高度钙化的斑块被认为具有更高风险，可实际上稳定斑块的心脏事件风险较低。解决这些缺陷需分析每个单独斑块，人类研究人员难以做到，而人工智能可轻松实现。”研究小组发现，名为CAC-DAD评分的算法能测量冠状动脉钙化负担及病变与冠状动脉起源距离，还能将高密度斑块重新归类为低风险，操作便捷。皇甫博士表示：“CAC-DAD评分比标准Agatston评分更精确有效，可预测脆弱人群心脏事件风险，尤其在手术前后。二者联合使用能进一步改善风险预测，为临床应用带来诸多可能。”

资深作者吉里什·德维维迪教授同样来自西澳大学医学院，他表示心脏病仍是发达国家主要死因。德维韦迪教授说：“最佳治疗是预防，需准确风险分层识别高风险人群，进行针对性预防。钙化评分是首次心脏病发作风险的重要预测指标，提高其准确性对风险管理意义重大。转向个性化护理很有必要，CAC-DAD评分优势明显，其简单强大，一旦验证，输出结果可用于指导医学界患者管理。我们期待在更大国际群体中验证CAC-DAD评分的预测能力。”

更多信息： Gavin Huangfu 等，《新型 CAC 弥散度和密度评分预测心肌梗死和心血管死亡率》，《循环：心血管影像》(2025 年)。期刊信息： 《循环：心血管成像》