AI 從乳房攝影讀出心臟病：97,000 張掃描研究達 86% 中風偵測率

今夏最值得留意的 AI 醫療研究之一,本週在慕尼黑登場的歐洲心臟學會(ESC)年會上發表——這是全球規模最大的心臟醫學會議。以色列的醫師團隊展示,機器學習模型能夠解讀常規乳房攝影,可靠地找出曾經中風、患有高血壓或冠狀動脈心臟病的女性。不需要新的影像檢查、不增加輻射曝露,只是對全球每年數億名女性原本就會接受的掃描,再做一次運算層面的「第二次閱片」。

這項研究的規模相當可觀。由特拉維夫大學(Tel Aviv University)Viana Copeland 醫師率領的研究團隊,檢視了 29,921 名女性(平均年齡 54 歲)的 97,364 張乳房掃描。透過交叉比對病歷,團隊建立了基準答案:16% 的受試者有高血壓,2.5% 有冠狀動脈心臟病,2.5% 曾經中風。接著,他們訓練機器學習模型,只憑乳房攝影影像就偵測這些疾病。

在 ESC 2026 年會上發表的結果如下:模型僅根據乳房攝影,就能以 86% 的可靠度找出曾經中風的女性;高血壓與冠狀動脈心臟病的可靠度分別為 79% 與 78%——即區分有病與無病女性的能力。更關鍵的是,無論受試者年齡、是否同時罹患癌症,結果都保持一致。

為什麼重要:被長期低估的診斷落差

心血管疾病是全球女性頭號死因,卻長期被低診斷、低治療。問題一部分出在時間點:當女性因心血管症狀就醫時,疾病往往已進入晚期。另一部分則是根深柢固的迷思——正如英國心臟基金會(BHF)臨床主任 Sonya Babu-Narayan 醫師所言,「心臟病只是男性疾病」的偏見持續存在,導致女性在心臟照護上「不成比例地被忽略、不被傾聽、診斷不足、治療不足,而且在臨床研究中長期缺乏代表性」。

「儘管心血管疾病是全球女性頭號死因,它始終被診斷不足、治療不足,」Copeland 醫師在慕尼黑向與會者表示。「在我們的醫學中心乃至全球,常見的情況是:當女性真的為心血管症狀求助時,疾病已經相當晚期。另一方面,許多女性即使從未為心血管症狀就醫,仍會定期接受乳癌篩檢。」

這個不對稱正是研究的核心洞察。乳癌篩檢計畫早已達成心臟科學界一直難以做到的事:與中年、無症狀女性建立常規接觸。正如 Copeland 指出,乳房攝影「觸及許多中年女性,而這正是識別與處理心血管風險的關鍵時期」。把心血管風險偵測掛在這套既有基礎設施上,「可能提供一條可規模化的路徑,而且不需要額外的影像檢查」。

機制:乳房動脈鈣化

一張乳房 X 光如何透露心臟的訊息?最可能的橋樑是乳房動脈鈣化(breast arterial calcification, BAC)——標準乳房攝影上可見的乳房動脈鈣沉積。BAC 作為全身動脈粥狀硬化的標記已被認知數十年,今年稍早發表於《Journal of Medical Internet Research》的研究也證實,AI 量化的 BAC 是心血管事件的獨立預測因子。問題在於,放射科醫師極少報告它:鈣化不屬於檢查的轉診目的,而要在數千張影像中手動分級鈣化,根本無法規模化。

這正是機器學習的價值所在。能自動量化血管鈣化型態、並在大規模資料中將其與臨床結果相互關聯的模型,把一個附帶出現、長年被忽略的發現,轉化為篩檢訊號。這也是 AI 近年在放射學屢屢勝出的相同模式:模型看到的並非人眼不可見的東西,而是系統性地萃取「人看得到卻沒人處理」的資訊,而且處理量遠超任何人工作流程。

從實驗走向臨床

專家對結果的態度是肯定中帶著審慎。ESC 溝通委員會專家成員 Elena Arbelo 稱這些發現「極具說服力」:「乳房攝影有朝一日可能不只找乳癌——它還可能成為心血管健康的觀察窗口。這很重要,因為女性的心血管疾病至今仍常常被太晚發現。」但她隨後的提問才是真正的關卡:「現在的挑戰是建立準確度與可靠度——從實驗走向臨床落地。」

這條路並非紙上談兵。商業先例已經存在——Solis Mammography 取得 FDA 認證的 Mammo+Heart 服務,就是在常規乳房攝影中分析乳房動脈鈣化、產出心血管風險分數,證明監管機構願意核准這類工具。以色列團隊也持續迭代:研究人員正在提升模型準確度、降低偽陽性與偽陰性,並擴大可偵測的心臟疾病範圍。

全球性的效益可能非常可觀。若能在前瞻性試驗中、於多元族群獲得驗證,雙用途乳房攝影可以把既有且參與率良好的篩檢管道,轉化為心血管預警系統——在症狀迫使女性走進心臟科病房之前好幾年,就標記出高風險者。對醫療體系而言,邊際成本趨近於零:掃描早已存在,分析所需的運算既便宜又不斷降價。

更大的圖像

這項研究加入了快速成長的一系列工作:用 AI 從「為其他目的拍攝」的影像中萃取「額外發現」——視網膜掃描預測腎臟病、心電圖演算法標記無症狀心房顫動,以及 Emory 團隊以 AI 評估 BAC 預測心臟病發作、心臟衰竭與中風風險的先前研究。ESC 2026 這項發表的獨特之處,在於三者的結合:將近三萬人的世代規模、涵蓋多種疾病(中風、高血壓、冠狀動脈心臟病),以及高到足以迫使臨床正視的準確度(中風 86%)。

它也落在 AI 醫療從新奇走向基礎設施的時間點。一如大會預告所言,ESC 2026 的關鍵主題之一正是 AI 在心臟醫學的全面整合。這類研究就是該主題背後的具體內容——不是 AI 取代心臟科醫師,而是 AI 重新利用社會早已收集的診斷資料,來縮小女性健康領域一個致命且存在已久的落差。

但限制值得放在最後強調:78–86% 的可靠度是篩檢訊號,不是診斷;若推行到全民,偽陽性負擔仍有待前瞻性研究衡量。不過方向很清楚。乳房攝影——半個世紀以來女性預防保健的固定班底——可能正在成為我們手上最強大的心血管風險偵測器之一。