基于人工智能的常规乳腺MRI胸主动脉瘤筛查：提升女性早期诊断率的创新方法

本研究针对女性胸主动脉瘤(TAA)预后差、死亡率高的临床难题，创新性地利用常规乳腺磁共振成像(MRI)数据，开发了全自动人工神经网络(ANN)筛查系统。研究团队通过多中心5057例乳腺MRI验证，证实该技术可提高3.5倍动脉瘤检出率（Dice系数0.88-0.91），同时发现乳腺癌患者TAA患病风险更高(OR=2.29)。这项发表于《Nature Communications》的成果为无创、高效的TAA筛查提供了新范式。

　　

胸主动脉瘤被称为"沉默的杀手"，女性患者面临更严峻的预后：死亡率比男性高40%，且破裂常发生在更小的动脉瘤尺寸。尽管超声筛查已用于腹主动脉瘤，但胸主动脉瘤因发病率较低（5-10/10万患者年）且成本效益考量，尚未建立常规筛查体系。这种诊断空白与乳腺MRI检查的普及形成鲜明对比——后者每年以5-12%的速度增长，其成像范围恰好覆盖纵隔血管。这种临床需求与技术可能性的交汇点，激发了Dimitrios Bounais等研究者探索"一石二鸟"的解决方案。

来自德国埃尔朗根-纽伦堡大学医院等机构的研究团队创新性地提出：利用常规乳腺MRI检查的"附带发现"，通过人工智能实现胸主动脉瘤的无创筛查。这项发表于《Nature Communications》的研究，通过分析5057例多中心乳腺MRI数据，证实人工神经网络(ANN)可突破现有筛查瓶颈，为女性心血管健康提供新的保护屏障。

研究采用三项关键技术方法：(1)基于nnU-Net框架开发3D主动脉分割算法，训练集包含96例乳腺MRI；(2)多中心验证集涵盖埃尔朗根测试集(n=3232)、杜克大学(n=922)和EA1141试验(n=903)数据，覆盖主流MRI厂商和场强；(3)采用中心线直径测量法，结合美国心脏协会(AHA)指南定义动脉瘤阈值（升主动脉≥45mm，降主动脉≥35mm）。

结果

ANN胸主动脉瘤筛查性能
在独立测试集中，ANN对升主动脉(AA)和降主动脉(DA)的平均测量直径分别为2.95±0.39cm和2.22±0.28cm。通过可视化分析发现，ANN的检出率较临床常规报告提高3.5倍（7例vs 2例），阳性预测值(PPV3)达100%。

技术稳健性验证
ANN在不同场强(0.55-3T)和设备间保持稳定：分割性能Dice系数0.88-0.91，中心线Dice(clDice)0.97-0.99。重复检查中85.5%的测量差异<2mm，与人工测量偏差仅0.52mm(p<0.001)。

乳腺癌与TAA的潜在关联
乳腺癌患者升主动脉直径显著更大(3.04cm vs 2.96cm, p<0.001)，患病风险比(OR)达2.29(95%CI:0.55-9.61)。

临床转化价值
研究建立了自动化报告系统，每例动脉瘤检测的附加成本仅246-6960美元，远低于乳腺MRI筛查癌症的成本(35085美元/例)。

这项研究开创了"双重用途"医学影像分析新模式，其重要意义体现在三方面：首先，首次证实常规乳腺MRI可用于TAA筛查，解决女性特异性筛查难题；其次，ANN技术突破非心电门控MRI的测量限制，实现亚毫米级精度；最后，发现乳腺癌与TAA的潜在关联，为高危人群筛查提供新依据。

研究者特别指出，该方法无需改变现有检查流程，通过PDF报告自动输出结果（见补充材料）。随着欧洲乳腺影像学会(EUSOBI)推荐乳腺MRI用于致密乳腺筛查，这项技术有望惠及更广泛人群。

局限性包括回顾性设计未能评估长期预后，且部分主动脉弓可能因视野限制未被覆盖。未来可通过添加快速电影稳态自由进动(SSFP)序列优化主动脉评估。这项研究为医学影像的"一检多查"模式树立了典范，其技术框架可扩展至其他器官疾病的附带筛查。