5 月29 日，《柳叶刀》杂志在线发表了ORFAN 研究最新结果，该研究探索了非阻塞性冠心病患者中， 炎症风险与心血管事件的关系。实际上， 炎症在冠心病的发生发展中起着重要作用： 在疾病稳定期推动动脉粥样硬化进展；引起冠脉斑块不稳定，诱发急性冠状动脉综合征（ACS）；对心肌梗死过程中组织坏死作出反应， 进一步损伤心肌并参与梗死后心室重构等。（Lancet.5 月29 日在线版）

       在这篇发表在《柳叶刀》的研究中， 研究团队利用AI 视觉识别和预测算法， 分析冠心病患者的炎症风险， 并训练了一个人工智能预后模型， 该模型包括血管周围脂肪衰减指数（FAI）评分、患者危险因素和狭窄程度， 可以在患者没有明显症状时， 提前10 年识别出重大的心血管疾病风险。在没有阻塞性冠心病的患者中，预测的事件发生率和实际事件发生率之间几乎完全一致。在冠状动脉CT 血管造影（ 冠脉CTA）上对非阻塞性冠心病患者使用人工智能风险模型可以准确预测10 年心血管不良事件和心脏死亡风险， 这将对患者的预防管理决策产生重大影响。

       这项多中心纵向队列研究纳入了8 家英国医院的40 991 例根据临床指征进行冠脉CTA 检查的患者， 并随访主要不良心血管事件（ 即心肌梗死、新发性心衰或心原性死亡）， 中位时间为2.7 年。FAI 评分在有或无阻塞性冠心病的情况下的预后价值在两所医院的3393 例连续患者中进行了评估， 随访时间最长7.7 年。

       在该人群中评估了一种人工智能增强的心脏风险预测算法， 该算法集成了FAI 评分、冠状动脉斑块指标和临床风险因素。

       在2.7 年的中位随访期内， 非阻塞性冠心病的患者（32 533 例，81%）， 在整个队列A中发生的4307 例心血管不良事件中占2857 例（66.3%），1754 例心原性死亡中占1118 例（63.7%）。所有三条冠状动脉的上四分位数与下四分位数的FAI 评分进行比较时，FAI 评分增加对心脏死亡率或主要心血管不良事件的风险有预测价值。任何冠状动脉的FAI 评分可独立于心血管风险因素和冠心病的存在或程度预测心脏死亡率和主要不良心血管事件。人工智能风险分类与心脏死亡率和主要不良心血管事件呈正相关。最后， 人工智能风险模型根据真实事件进行了校准。

专家点评

       F A I评分在当前临床风险分层和冠脉CTA的结果之外反应了炎症风险，特别是在非阻塞性冠心病患者中。人工智能风险将这些信息集成到预测算法中，该算法可作为传统的基于危险因素的风险计算器的替代方案。

       增强风险预测FAI 评分能够捕捉超出传统临床危险因素和冠状动脉成像结果的炎症风险。量化冠状动脉炎症的FAI 评分已被证明可以独立预测患有或不患有阻塞性冠心病患者的心脏死亡率和主要不良心脏事件（MACE）。具体而言，即使在调整了心血管风险因素和冠状动脉粥样硬化的程度后，任何冠状动脉的FAI 评分升高都与心脏死亡率和MACE 的高风险相关。

       识别残余风险 当将FAI 评分纳入人工智能辅助算法（如AI风险模型）时，通过考虑炎症风险以及传统风险因素和冠状动脉斑块负荷，可以增强心血管风险预测能力。这种综合方法提供了对心血管风险的更全面评估，特别是在没有阻塞性冠心病的个体中，传统的基于风险因素的计算器可能达不到要求。

       指导临床工作 使用FAI 评分预测非阻塞性冠心病患者的心血管风险具有重要意义，因为它提供了一种评估炎症风险的新方法，可以改进风险预测，并有可能指导这些患者的个性化管理策略。