深度学习是一种高级类型的人工智能，可训练它来搜索X射线图像，以找到与疾病相关的模式。研究论文主要作者、马萨诸塞州心血管影像研究中心医学博士雅各布·韦斯说：“我们的深度学习模型为利用现有的胸部X光图像筛查心血管疾病风险提供了潜在的解决方案。”这种类型的筛查可用于识别那些可以使用他汀类药物但尚未接受治疗的个人。
研究人员使用胸部X光（CXR）图像输入训练了一个深度学习模型，名为“CXR-CVD风险”，利用前列腺癌、肺癌、结直肠癌和卵巢癌筛查试验中40643名参与者的147497张胸部X光片来预测心血管疾病的死亡风险。前列腺癌、肺癌、结直肠癌和卵巢癌筛查试验是一项由美国国家癌症研究所设计和赞助的多中心随机对照试验。
研究人员使用第二组11430名门诊患者（平均年龄60.1岁；42.9%为男性）对该模型进行了测试，这些患者接受了常规的门诊胸部X光检查，并有可能接受他汀类药物治疗。其中1096名，即9.6%，在10.3年的中位随访期内发生了严重的不良心脏事件。CXR-CVD风险深度学习模型预测的风险与观察到的主要心脏事件之间存在显著关联。
研究人员还将该模型的预后价值与确定他汀类药物资格的既定临床标准进行了比较。由于电子记录中缺少数据（例如，血压、胆固醇），因此只能在2401名患者（21%）中进行计算。对于这部分患者，CXR-CVD风险模型的表现与已建立的临床标准相似，甚至提供了增量价值。
韦斯博士说，这种方法的好处在于，只需要做一次胸部X光检查，深度学习模型就可预测未来的主要心血管不良事件，该模型最终可能成为医生的决策支持工具。
