Nat Commun：深度学习模型预测肺癌筛查中低剂量计算机断层扫描的心血管疾病风险

心血管疾病（CVD）影响了近一半的美国成年人，并造成超过30％的死亡人数。CVD风险的预测是管理患者健康临床实践的基础。最近的研究显示，被诊断出患有癌症的患者的CVD死亡风险是普通人群的十倍。

既往研究显示，用于肺癌筛查的低剂量计算机断层扫描（LDCT）已被证实在临床试验中有效。在国家肺部筛查试验（NLST）中，共有356名接受LDCT的参与者在6年随访期内死于肺癌。然而，更多的患者（其他486人）则死于CVD。

因此，在接受LDCT筛查的高危受试者中筛查CVD等重大合并症对于降低患者总体的死亡率至关重要。然而，当癌症风险人群在接受癌症筛查时，其潜在的CVD风险可能会被忽略。

在该研究中，深度学习CVD风险预测模型接受了来自美国国家肺癌筛查试验的30286例LDCT数据的训练，通过模型分析2，085名受试者的单独测试集，获得了0.871的曲线下面积（AUC），并确定了具有较高CVD死亡率风险的患者（AUC为0.768）。

研究人员通过分析包括来自335名受试者的独立数据集，针对基于ECG门控的心脏CT标记物，包括冠状动脉钙化（CAC）评分、CAD-RADS评分以及MESA 10年风险评分，进一步的验证了上述深度学习模型。

综上，该研究结果表明，在高风险患者中，深度学习模型可将用于肺癌筛查的LDCT数据转换为用于CVD风险评估的双重筛查定量工具。

原始出处：

Chao， H.， Shan， H.， Homayounieh， F. et al. Deep learning predicts cardiovascular disease risks from lung cancer screening low dose computed tomography. Nat Commun 12， 2963 (20 May 2021).