2026 年 05 月 26 日，《Journal of the American College of Cardiology》(IF=22.3) 发表了一项研究，使用来自急诊科常规头部计算机断层扫描 (CTH) 的数据，评估了机会性心血管风险评估的可行性。该方法为大规模机会性心血管风险筛查提供了有希望的途径，能够早期识别和治疗传统临床模型未捕捉的高风险患者。

原文链接：https://pubmed.ncbi.nlm.nih.gov/41949516/

研究背景

常规非心脏计算机断层扫描 (CT) 成像可能包含心血管风险信息，头部 CTH)是最常见的成像研究之一。既往研究利用深度学习模型从非门控胸部 CT 估计冠状动脉钙化评分，但 CTH 用于心血管风险评估的效用尚未研究。本研究旨在开发和验证深度学习模型，利用 CTH 预测新发心血管疾病 (CVD) 并估计冠状动脉钙 (CAC) 评分，评估其相对于临床风险因素的性能。

研究方法

本研究为回顾性队列研究，使用 2020 年 8 月至 2024 年 8 月斯坦福健康护理急诊部数据。CVD 队列纳入 27,990 名无已知 CVD 的成年患者；CAC 队列纳入 2,313 名同时接受 CTH 和冠状动脉 CT 血管造影 (CCTA) 的患者。

暴露因素/干预措施

• PREVENT-CVD 模型(仅临床变量)

• CTH 模型(仅成像特征)

• CTH+PREVENT 模型(结合成像和临床特征)

结局

主要结局为新发 CVD 并发症(心肌梗死、卒中、心力衰竭)和 CAC 评分(0, 1–10, 11–100, 101–400, >400 AU)。

协变量

调整了年龄、性别、高密度脂蛋白 (HDL) 和总胆固醇水平、估计肾小球滤过率、收缩压、吸烟状态、肥胖状态、糖尿病 mellitus 及降压或降脂药物使用情况。

统计学分析方法

模型性能使用一致性指数 (C-index) 和受试者工作特征曲线下面积评估，校准使用 Brier 评分和综合校准指数 (ICI) 评估，置信区间通过 1,000 次 bootstrap 重采样计算，比例比较使用卡方检验，中位数比较使用 Mann-Whitney U 检验。

研究结果

本研究纳入了 27,990 位 CVD 预测队列参与者，中位年龄 63.0 岁，女性占比 51.7%；CAC 估计队列纳入 2,313 位参与者，中位年龄 65.0 岁，女性占比 53.5%。

CVD 预测

CVD 预测队列中 4% (1,110/27,990) 患者在随访期间(中位 533.0 天)经历心血管事件。CTH+PREVENT 模型的一致性指数 (C-index) 为 0.82 (95% CI: 0.78–0.85)，优于单独使用 PREVENT-CVD 变量的 0.75 (95% CI: 0.70–0.79)，差异为 0.07 (95% CI: 0.04–0.10)。

风险重新分类

CTH+PREVENT 模型相对于 PREVENT-CVD 排名重新定位了 99.8% 的患者，其中 15.7% 在高风险/低风险类别间重新分类，74.5% 被正确重新分类。风险预测增加的患者更年轻(中位 59.0 vs 66.0 岁，P < 0.001)，但血管钙化(30.2% vs 24.8%, P = 0.001)和梗死(20.1% vs 5.8%, P < 0.001)prevalence 更高。

CAC 估计

CAC 估计队列中，CTH+PREVENT 模型的 C-index 为 0.76 (95% CI: 0.72–0.80)，对于 CAC >100 的受试者工作特征曲线下面积为 0.80 (95% CI: 0.73–0.85)。

风险重新分类

CTH+PREVENT 模型重新定位了 97.8% 的患者，风险排名增加的患者主要为女性(76.8% vs 42.1%, P < 0.001)且 HDL 胆固醇更高(50.0 vs 42.5 mg/dL, P = 0.02)。

讨论

CTH 是急诊部最常见的 CT 检查，除了急性出血或卒中等狭窄临床问题外，还可用于改善心血管风险筛查。CTH 特征相比标准临床风险因素改善了冠状动脉钙化和主要心血管事件的估计，特别是正确重新分类了具有低风险临床特征但高风险成像 的年轻患者。CTH 特征提供了超越 PREVENT-CVD 变量的增量预测信息，可能捕捉到更接近近期事件的亚临床血管疾病标志物。

研究优势

研究优势在于整合了大型多样化急诊人群的 2 个心血管终点的稳健成像和纵向结果数据。

研究局限性

研究局限性包括队列来自单一三级学术中心，可能无法推广至普通人群；CVD 病史和风险因素可能存在系统性漏报；依赖电子健康记录中的国际疾病分类代码定义结局可能引入 misclassification bias；随访期短于 established CVD 风险评估工具的 10 年 timeframe；这是回顾性研究，无法评估 AI 基于风险重新分类对临床决策或结果的影响。

研究结论

常规进行的 CTH 研究包含补充传统临床风险因素的心血管风险信息，通过识别传统风险模型未捕捉的亚临床血管疾病，可显著增强心血管风险分层。该方法为大规模机会性心血管风险筛查提供了有希望的途径，enable 早期识别和治疗传统临床模型未捕捉的高风险患者。

参考文献：Zhang X, Acosta JN, Dogra S, Silva EN, Basu S, Krumholz HM, et al. Opportunistic Cardiovascular Risk Assessment Using Routine Head CT in the Emergency Department.. Journal of the American College of Cardiology. 2026 May 26;87(20):2876-2886. doi: 10.1016/j.jacc.2026.02.5095

医咖会员全面升级，课程增多，AI工具升级！点击链接：会员-医咖社区 (mediecogroup.com)，立享会员优惠！