引言：炎症性疾病中的隐性心血管负担
对于管理免疫介导的炎症性疾病（IMIDs）如类风湿关节炎（RA）、系统性红斑狼疮（SLE）和银屑病的临床医生来说，主要关注点通常是实现关节或皮肤症状的缓解。然而，一个平行且往往更致命的过程通常在表面之下悄然发生：加速的动脉粥样硬化。众所周知，慢性全身性炎症会驱动心血管疾病，但目前的风险分层工具（如Pooled Cohort Equations）经常低估这些人群的实际风险。
Weber等发表在JACC: Cardiovascular Imaging上的一项开创性研究探索了这一诊断挑战的新解决方案。通过利用人工智能（AI）分析常规胸部计算机断层扫描（CT）的偶然发现，研究人员发现IMID患者中冠状动脉钙化（CAC）的高发率——这一发现对主要不良心血管事件（MACE）和全因死亡率具有深远的预后意义。
临床背景：当前风险模型为何不足
IMID患者的血管风险特征与糖尿病患者相似。病理生理学是多方面的，包括传统危险因素（高血压、血脂异常）因慢性细胞因子升高（TNF-α、IL-6、IL-17）而加剧，这促进了内皮功能障碍和斑块不稳定性。
尽管已知这种风险，初级预防仍不充分。许多RA或SLE患者未达到基于常规计算器开始他汀类药物治疗的传统阈值，即使他们的生物学风险显著更高。临床上迫切需要客观的亚临床动脉粥样硬化生物标志物来指导积极的预防治疗。冠状动脉钙化（CAC）评分通过专用心脏CT是金标准预测指标，但在风湿病诊所中并未常规进行。然而，许多这些患者因其他原因（如间质性肺病筛查或评估呼吸症状）接受胸部CT检查，这为“机会性”筛查提供了机会。
研究设计：利用AI进行机会性筛查
Weber及其同事进行的研究是一项回顾性队列分析，涉及2,546名40至70岁的个体。参与者确诊患有SLE、RA或银屑病，并且没有既往动脉粥样硬化性心血管疾病（ASCVD）史。所有参与者在2000年至2023年间在波士顿两家大型医疗中心至少接受过一次常规胸部CT检查。
人工智能的作用
该研究的核心创新是使用经过验证的AI算法从非门控胸部CT扫描中量化CAC。传统上，测量CAC需要专门的心脏CT协议。然而，这里使用的AI方法允许在标准胸部CT上自动检测和量化冠状动脉中的钙，这些CT通常用于非心脏目的。
终点和分析
研究人员将AI衍生的CAC评分（CAC-AI）分为三组：0、1-99和≥100。主要结局是全因死亡率和MACE，定义为非致命性心肌梗死、冠状动脉血运重建、非致命性中风或心血管死亡的复合指标。中位随访时间为8.1年，为观察长期结局提供了稳健的时间窗口。Cox比例风险模型调整了年龄、性别和传统心血管危险因素，以确保CAC-AI结果的独立性。
主要发现：高发率和显著的预后价值
研究结果不仅突显了一个重要的医学挑战，也为风险分层指明了一条明确的前进道路。
亚临床动脉粥样硬化的患病率
在2,546名参与者（中位年龄59岁；66.5%为女性）中，超过一半（53%）的CAC-AI评分大于零。这表明大多数中年IMID患者已经存在冠状动脉粥样硬化。最令人震惊的是，尽管疾病患病率很高，但只有6.0%的队列在CT检查时正在接受他汀类药物治疗。这代表了疾病存在与基于证据的预防护理实施之间的巨大差距。
与不良结局的关联
AI检测到的钙化的预后价值清晰且呈剂量依赖性：
1. 低负荷（CAC-AI 1-99）：即使是少量的钙化也与风险显著增加相关。这些患者的全因死亡率调整后的风险比（aHR）为1.41，MACE为2.05，与评分为零的患者相比。
2. 高负荷（CAC-AI ≥100）：这一组的风险更为显著，全因死亡率为2.45，MACE为3.24。
这些发现表明，在这一人群中检测到任何钙化都应被视为高风险标志，可能需要调整临床管理。
机制见解：炎症与钙化
IMIDs与CAC的关系并非偶然。慢性炎症加速了血管平滑肌细胞向成骨细胞样细胞的转变，导致动脉壁中钙的沉积。在RA或SLE患者中，炎症环境可能导致“易损”斑块的发展，尽管这些斑块可能不如老年非IMID患者的斑块那样钙化，但更容易破裂。本研究中，即使是低CAC评分（1-99）也与MACE密切相关，这表明在系统性炎症的背景下，任何可见的钙化都是高风险血管环境的标志。
临床意义：缩小治疗差距
临床医生最直接的收获是“机会性”风险分层的潜力。如果炎症性疾病患者因任何原因接受胸部CT检查，应仔细检查冠状动脉。AI或放射科专家识别到的钙化存在，提供了客观证据，表明患者处于较高的心血管风险，无论其传统风险评分如何。
他汀类药物的行动呼吁
本研究中观察到的6%的他汀类药物使用率是一个令人警醒的统计数据。鉴于CAC在这一人群中的高风险比，有强烈的理由支持更加积极的降脂治疗。未来的指南可能需要将偶然发现的CAC作为“风险增强器”，触发在原本低于治疗阈值的IMID患者中启动他汀类药物治疗。
研究局限性和考虑事项
虽然这项研究非常稳健，但仍需考虑一些局限性。作为回顾性分析，它可以显示关联但不能证明直接因果关系。此外，队列来自两个主要学术中心，可能不代表所有实践环境。使用非门控CT扫描虽然适合机会性筛查，但略逊于专用门控心脏CT的精确度，尽管所用的AI算法已验证可以减轻这些差异。
结论：将AI整合到预防性风湿病学中
Weber等人的研究表明，AI检测到的冠状动脉钙化是管理免疫介导的炎症性疾病患者的一个强大且未充分利用的工具。在一个心血管风险高且常常不可见的人群中，从常规影像学中提取预后信息代表着个性化医学的重大进步。
通过认识到超过一半的患者存在亚临床动脉粥样硬化——并且这种钙化是未来MACE和死亡的直接先兆——临床医生可以转向更加主动、预防性的护理模式。将AI工具整合到自动化检测中，可以确保不放过任何心血管风险降低的机会，最终在历史上治疗不足的人群中挽救生命。
