综述：心血管风险预测工具的比较效果：传统方法、放射学方法及基于人工智能的方法的网络荟萃分析

《SN Comprehensive Clinical Medicine》：Comparative Efficacy of Cardiovascular Risk Prediction Tools: A Network Meta-analysis of Traditional, Radiological, and AI-Based Approaches

　　心血管疾病风险预测研究通过网络meta分析比较传统（FRS、CACS）、放射学（CIMT、baPWV）及AI模型（AICVD、Reti-CVD）效能，纳入4项研究53,641例，AICVD最优（RR 1.86 vs QRISK3），CACS+FRS次之，Reti-CVD非侵入且与CACS相当，baPWV和CIMT效能较低。

　　

摘要

背景

准确的心血管疾病（CVD）风险预测对于预防性决策至关重要。虽然传统的工具如弗雷明汉风险评分（FRS）和冠状动脉钙化评分（CACS）被广泛使用，但基于人工智能（AI）的 newer 模型（如 AICVD 和 Reti-CVD）提供了有前景的替代方案。然而，传统工具、放射学工具和基于 AI 的工具之间的比较数据仍然有限。

目的

本研究旨在通过网络荟萃分析来比较传统工具、放射学工具和基于 AI 的 CVD 风险工具的预测效果。

方法

通过对 PubMed、Embase、Cochrane Library 和 Google Scholar 的系统搜索，确定了四项比较成人缺血性 CVD 结果预测工具的观察性研究。评估的工具包括 FRS、QRISK3、CACS、CIMT、baPWV、AICVD 和 Reti-CVD。主要结果是风险分层的准确性以及随访期间（最长 11 年）缺血性 CVD 事件的发生率。使用 R 语言进行了基于随机效应模型的网络荟萃分析。

结果

共纳入了四项观察性研究，涉及 53,641 名参与者。AICVD 显示出最高的预测效果，与 QRISK3 相比，其识别缺血性 CVD 的相对风险高出 86%（RR：1.86；95% CI：1.09–3.18）。CACS 和 FRS 的联合使用提高了预测准确性（RR：1.50），而单独使用 CACS 也有显著的效果（RR：1.29）。Reti-CVD 的表现与 CACS 相当（RR：0.87；95% CI：0.46–1.65），它提供了一种无辐射暴露的非侵入性替代方法。排名分析表明：AICVD > CACS + FRS > CACS > Reti-CVD > baPWV > CIMT > FRS > QRISK3。

结论

基于 AI 的工具（如 AICVD 和 Reti-CVD）在预测缺血性 CVD 方面可能优于传统方法。尽管数据有限，但这些发现突显了 AI 在风险预测方面的潜力，需要在不同人群中进行进一步验证。