胸部CT的意外訊號：AI能否把心血管風險提早看見

許多胸部CT原本是為了肺部、腫瘤或其他胸腔問題而拍攝，心血管風險並不是檢查的主角。但影像裡往往同時記錄了血管鈣化、心臟形態與周邊組織變化等線索。若這些資訊能被可靠讀出，既有檢查或許就能多承擔一層預防醫學功能：在心肌梗塞或中風發生以前，替臨床醫師指出需要更積極評估的人。

《Nature Medicine》於2025年6月17日發表的研究，報告一套以常規胸部CT影像估計心血管風險的AI系統。根據研究摘要，團隊不只是建立模型，也進行外部驗證，目標是從機會性影像資料中預測未來心肌梗塞與中風等重大心血管事件風險。這使它不同於單純展示影像辨識能力的AI模型，而是把問題推向臨床預後判讀：一張已經拍下的CT，是否能提供病人未來風險的可用訊號。

這類「機會性篩檢」的吸引力，在於它不要求病人為了風險評估額外接受一次影像檢查。胸部CT在醫院中使用頻繁，若演算法能在既有流程中自動分析影像，理論上可協助找出傳統風險因子未必完全捕捉到的高風險族群。不過，這也意味著模型必須面對真實世界影像的複雜性，包括不同掃描參數、不同醫療院所族群，以及影像原本並非為心血管評估而設計的限制。

研究摘要中特別提到外部驗證，這是此類醫療AI從技術展示走向臨床可信度的重要一步。內部測試常會高估模型表現，因為訓練與測試資料可能共享相近的設備、族群與臨床流程；外部資料則能更嚴格檢驗模型在不同環境中的穩定性。即便如此，摘要未提供足以判斷臨床可用性的全部細節，例如事件數、追蹤時間、不同族群表現差異、與既有風險評分相比的增益幅度，因此解讀上仍應保留尺度感。

對醫療現場而言，真正的問題不是AI能否算出一個風險分數，而是這個分數接下來要如何被使用。若模型提示某人風險較高，臨床醫師是否應安排進一步檢查、調整降脂或降壓策略，或只是把結果放進病歷作為輔助資訊？這些行動若沒有前瞻性研究與清楚流程支撐，AI預測可能增加警示，卻未必改善病人結局。

監管與責任也會隨之浮現。常規胸部CT是為特定臨床目的取得，若AI在背景中額外分析心血管風險，病人同意、結果告知、假陽性帶來的焦慮與醫療負擔，都需要制度設計。模型若要部署於不同醫院，還必須證明它能在資料漂移、設備更新與族群差異下維持表現，而不是只在研究資料中顯得精準。

這項研究的意義，正在於它把醫療AI的討論從「看見影像中的病灶」推進到「預測尚未發生的事件」。胸部CT或許不會因此變成心血管篩檢的萬能入口，但它提醒臨床醫學：已存在的影像資料仍有未被充分使用的生物訊號。下一步的關鍵，將是證明這些訊號不只可被演算法讀出，也能被醫療系統負責任地轉化為更早、更準確的照護決策。