臨床研究 · us
AI量化冠狀動脈斑塊,隨機試驗顯示診斷更明確、降血脂治療增加
PARAMOUNT試驗顯示,把冠狀動脈斑塊資訊帶進胸痛評估,可能改變醫師的治療決策。但目前優勢主要來自診斷確定性與血脂管理,尚不能推論心肌梗塞或死亡減少。
胸痛檢查之後,能否找到原因、及早開始預防治療,是影像技術走進診間的重要考驗。Cleerly於11月7日公布PARAMOUNT隨機試驗初步結果:以人工智慧量化冠狀動脈斑塊來引導照護,比以功能性壓力測試引導的一般照護,更能釐清診斷,也讓更多患者接受降血脂治療。不過,這項結果尚未證明患者因此較少心肌梗塞或死亡。
這套方法稱為AI冠狀動脈電腦斷層定量分析(AI-QCT),透過電腦斷層影像量化斑塊,並納入以斑塊資訊為基礎的心肌缺血評估,協助醫師決定後續處置。試驗比較的是兩種完整照護策略,因此即使結果有利,也不能把全部差異單獨歸功於AI演算法。
PARAMOUNT是一項多中心、開放標籤試驗,在21個試驗中心將530人隨機分組。參與者都是有症狀、疑似冠狀動脈疾病的門診患者,過去未有冠狀動脈疾病病史,低密度脂蛋白膽固醇(LDL-C)至少為100 mg/dL。此次初步分析納入資料已鎖定的523人,女性占57%,年齡中位數為57歲;結果的適用範圍也應先放在這類患者。
根據Cleerly官網及經Business Wire發布、由Observer-Reporter聯播的同一份公司新聞稿,試驗達到180天的預設階層式複合主要終點,勝出比(win ratio)為2.00,95%信賴區間為1.37至2.56,p值小於0.0001。這項指標依預定順序比較多項結果,不能解讀為心血管風險減半;公司指出,對胸痛是否由冠狀動脈疾病引起的診斷確定性,是差異的最大來源。
治療決策的變化更容易看見:AI-QCT引導組的降血脂藥物使用率,由基線的31%升至檢查後的75%;一般照護組則由32%升至47%。公司也表示,AI-QCT組的LDL-C下降表現較佳,但新聞稿未提供具體降幅。這些數據支持斑塊資訊可能促使醫師加強預防治療,卻還無法回答長期健康結果改善多少。
閱讀這項試驗時,還有兩層限制需要分清。首先,開放標籤設計下,醫師與患者知道採用哪種策略,可能影響診斷信心與處方行為。其次,聯播內容源自公司新聞稿,並非另一個研究團隊的獨立驗證;完整方法、各項終點的細節及安全性資料,仍有待正式論文交代。
結果已在2026年美國心臟協會科學年會發表,但尚未經同儕審查,公司預計於2027年初完整刊出。目前較穩妥的結論是,斑塊導向照護能改變檢查後的判斷與用藥。這些改變能否進一步減少心肌梗塞、延長生命,以及是否帶來額外檢查或治療負擔,仍需要更完整、長期的證據。