综述：在非心脏胸部计算机断层扫描中机会性检测冠状动脉钙化：一种用于预防心血管疾病的新兴工具——美国心脏协会的科学声明

《Circulation》：Opportunistic Detection of Coronary Artery Calcium on Noncardiac Chest Computed Tomography: An Emerging Tool for Cardiovascular Disease Prevention: A Scientific Statement From the American Heart Association

冠状动脉钙化（CAC）作为亚临床动脉粥样硬化的标志物，通过非心脏低剂量CT扫描的机遇性检测可显著提升心血管疾病风险分层，AI技术在此过程中实现高效自动化量化，但需解决标准化报告、多学科协作及避免过度检测等实施问题。

　　冠状动脉钙化（Coronary Artery Calcium, CAC）作为一种非临床的动脉粥样硬化标志物，已被广泛认为是评估心血管疾病（Atherosclerotic Cardiovascular Disease, ASCVD）风险的重要工具。它能够提供关于动脉粥样硬化斑块钙化的直接证据，而这些斑块往往在早期阶段没有明显症状。CAC的测量通常通过非对比心脏CT扫描（Noncontrast Cardiac Computed Tomography, NCCT）完成，该技术不仅能够提高风险分层的准确性，还为临床决策提供了更加个性化的依据。传统的风险评估方法，如基于年龄、性别、血压、血脂水平和吸烟史等指标的风险计算器，虽然在临床实践中具有重要作用，但其使用率仍较低，尤其是在那些具有边缘或中等风险的个体中。这表明，尽管指南推荐了CAC测量，但在实际应用中，其普及程度仍然有限。

在当前的医疗环境中，非ECG门控的胸部CT扫描被广泛用于非心脏相关的诊断目的。这类扫描每年在美国约有1900万例，远远超过了专门用于测量CAC的100万例。这意味着，利用这些非心脏CT扫描进行机会性检测（Opportunistic Detection of CAC, ODCAC）能够覆盖更广泛的患者群体，从而在不增加额外辐射暴露、成本或工作负担的前提下，提高心血管疾病风险的识别和管理。此外，机会性检测的实施还能够避免不必要的后续检查，使临床团队能够更加高效地处理患者数据。

机会性检测的核心在于，它能够在非心脏CT扫描中识别出潜在的冠状动脉钙化，从而为临床医生提供重要的风险信息。这种做法的好处在于，它不需要专门的临床订单，也不需要额外的资源投入，因此可以显著降低实施门槛。研究表明，机会性检测的CAC评分与传统方法的评分具有高度一致性，特别是在评估疾病严重程度和预测心血管事件方面。例如，在一项涉及2750名受试者的研究中，非ECG门控CT扫描对CAC的分类准确率达到了86%，且仅在极少数情况下出现高估或低估的情况。这说明，机会性检测不仅具有可行性，而且在临床实践中具有重要价值。

随着人工智能（Artificial Intelligence, AI）技术的发展，自动化CAC评分已经成为现实。AI算法能够快速识别和量化冠状动脉钙化，减少人工读取的负担，并提高结果的一致性。一些已获美国食品药品监督管理局（FDA）批准的AI模型在非ECG门控CT扫描中表现出色，能够准确地检测出钙化病变，并与传统的Agatston评分系统高度一致。例如，一项研究显示，AI辅助的评分系统在评估CAC的严重程度时，与手动评分的Kappa值（衡量一致性）达到了0.85以上，这表明AI技术在提高检测效率和准确性方面具有显著优势。

然而，尽管AI技术为机会性检测提供了强大的支持，但其在临床实践中的广泛应用仍面临一些挑战。首先，AI模型的泛化能力需要进一步验证，以确保其在不同扫描设备和医院系统中的适用性。其次，临床医生对机会性检测的接受度和使用习惯仍需改变，特别是在如何解读AI生成的报告以及如何将这些信息整合到现有的风险评估框架中。此外，机会性检测的实施还需要考虑到医疗资源的分布不均，特别是在资源匮乏的地区，如何通过AI技术实现更广泛的覆盖仍然是一个关键问题。

机会性检测不仅有助于提高ASCVD的风险识别，还能够为其他心血管疾病的预测提供额外的信息。例如，AI技术可以用于评估主动脉瓣钙化、二尖瓣钙化以及胸主动脉钙化，这些指标在预测主动脉瓣狭窄、心房颤动和心力衰竭等方面具有重要意义。此外，AI还可以通过计算心脏腔室的体积（如左心房、右心房、左心室和右心室）来增强对心血管事件的预测能力。这些扩展的应用表明，机会性检测不仅仅是对冠状动脉钙化的识别，更是对整个心血管系统的全面评估。

在临床实践中，机会性检测的实施需要系统化的流程和跨学科团队的协作。这包括放射科医生、心内科医生和初级保健医生之间的紧密合作，以确保检测结果的正确解读和后续治疗的及时启动。同时，还需要开发标准化的报告模板，并将其整合到电子健康记录（Electronic Health Record, EHR）系统中，以便临床医生能够快速获取相关信息并做出决策。此外，为了提高机会性检测的临床实用性，还需要对患者进行适当的教育和沟通，使其理解CAC的意义以及如何通过改变生活方式和接受预防性治疗来降低心血管疾病的风险。

机会性检测的实施也面临一些现实障碍，例如医生对CAC评分的意识不足、认为其对预后影响有限、缺乏足够的临床决策支持工具以及缺乏激励机制等。为了解决这些问题，一些研究已经提出了多种解决方案，包括通过继续医学教育提高医生对CAC评分重要性的认识、开发便于使用的AI工具以减少医生的工作负担、将CAC评分纳入常规医疗流程和质量指标，并制定相关的报销代码以支持机会性检测的推广。这些措施不仅有助于提高机会性检测的采用率，还能够促进更广泛的临床应用。

未来，随着AI技术的进一步发展和临床实践的不断优化，机会性检测有望成为心血管疾病预防的重要组成部分。通过将CAC评分与现有的风险评估模型相结合，例如美国心脏协会（AHA）的PREVENT方程，可以进一步提高风险预测的精确性。此外，机会性检测的推广还将有助于减少医疗资源的不平等，特别是在那些无法获得专门CAC扫描的地区。AI技术的广泛应用不仅能够提高检测效率，还能够使更多患者受益，从而推动心血管疾病的精准预防。

综上所述，机会性检测的实施需要多方面的努力，包括技术、流程和政策的支持。通过将AI技术与临床实践相结合，不仅可以提高检测的准确性和效率，还能够促进更广泛的患者覆盖，使更多人受益于心血管疾病的风险评估和预防措施。这将有助于实现精准医学的目标，即根据个体的风险特征提供更加个性化的治疗方案，从而改善心血管疾病的预后和管理。