视网膜人工智能重新划分ESC/EAS他汀类药物使用指征边界上的SCORE2心血管风险：一项基于英国生物样本库的前瞻性队列研究

《European Journal of Preventive Cardiology》：Retinal Artificial Intelligence Reclassifies SCORE2-Based Cardiovascular Risk Across the ESC/EAS Statin-Indication Boundary: A UK Biobank Prospective Cohort Study

　　

摘要

目的

对于未使用他汀类药物的成年人而言，视网膜人工智能（AI）风险评分能否在ESC/EAS他汀类药物治疗适应证边界上重新分类SCORE2心血管风险分层尚不确定。我们评估了视网膜AI风险评分对10年动脉粥样硬化性心血管疾病（ASCVD）的预测价值。

方法

在40,672名未使用他汀类药物的英国生物样本库（UK Biobank）参与者（年龄40–69岁，无糖尿病）中，根据2025年ESC/EAS专项更新框架确定心血管风险类别和治疗推荐状态（I类或IIa类 vs 无推荐）。Cox模型估算经SCORE2或已知风险因素校正后的风险比（HR）。采用10折交叉验证评估在SCORE2基础上添加视网膜AI风险评分后的增量预测价值。

结果

在中位随访10.0年（共914例ASCVD事件）期间，视网膜AI风险评分的极高危组独立预测ASCVD（经SCORE2校正后HR 2.32 vs 低危组；p<0.001）。在SCORE2基础上添加视网膜AI风险评分可跨越ESC/EAS他汀类药物治疗适应证边界重新分类风险（他汀治疗适用性净重新分类改善[NRI] 0.012，p<0.001）；重新分类具有统计学显著性但幅度有限（连续型NRI 0.445，p<0.001），C指数或净获益未见改善。在他汀治疗推荐亚组中，视网膜AI风险组进一步分层了风险（经SCORE2校正后HR 2.16；p<0.001）。未推荐他汀治疗的参与者中，高或极高视网膜AI风险组所观察到的10年风险数值上与所有已满足治疗标准但未接受治疗的参与者相似（p=0.758）。未发现临床可检测的视网膜病变存在效应修饰（交互作用p=0.93）。增量价值在女性中大于男性（性别交互作用p<0.001）。

结论

在SCORE2基础上添加视网膜AI风险评分可在ESC/EAS他汀类药物治疗适应证边界上产生适度的双向风险重新分类；这些发现尚需前瞻性验证。

摘要字数：250词

图形摘要

在新标签页中打开下载幻灯片

通俗摘要

在一项针对40,672名40–69岁目前未服用降胆固醇药物成人的大型研究中，一个基于视网膜照片生成心血管风险评分的视网膜人工智能（AI）模型，有助于识别那些仅凭标准临床评分可能被高估或低估风险的人。

• 在目前未被指南推荐服用降胆固醇药物的人群中，处于高或极高视网膜AI风险组的参与者，其未来心脏病风险与已满足治疗标准的参与者相当。相反，已满足治疗标准但处于低视网膜AI风险组的参与者，其风险与未被推荐治疗的人群相似。这可能表明视网膜AI模型能为治疗状态处于临界的人群的当前风险评估提供补充信息；但它是否能改善治疗决策尚未在此研究中检验，需在临床使用前进行前瞻性研究。

• 结果表明，视网膜AI风险评分与心血管风险之间的关联并未因临床可检测的视网膜疾病的存在而出现可检测的差异。综合而言，这些发现识别出那些靠近治疗阈值且添加视网膜AI风险评分后估计风险发生变化的个体，并支持在现有风险评估工具之外进一步评估视网膜摄影的应用，而非将其用于当前临床实践。

人工智能, 深度学习, 视网膜, 血管钙化, 风险评估, 心血管疾病, 一级预防, 降胆固醇药