AI看乳房X光片預測心臟病：女性心血管疾病早期偵測

Q: 需要額外付費嗎？各家醫療保險會給付嗎？

理論上，由於分析的是已存在的乳房X光影像，不增加額外的掃描成本，因此額外費用應很低。然而，保險給付將取決於該AI服務是否獲得監管批准並被納入預防醫學指南。初期可能僅限於研究機構與大型醫療系統試用。

AI看乳房X光片預測心臟病是這篇文章討論的核心

圖说：醫師使用數位平板進行影像分析，AI技術將乳房攝影轉換為心血管健康檢查（圖片來源：Pexels）

💡 核心結論

深度學習模型僅透過乳房X光片和年齡數據，就能以媲美傳統風險評分器的準確度預測女性重大心血管事件。這項技術將現有的乳腺癌篩檢基礎設施轉型為雙重用途平台， potentially 為數百萬女性提供免費的心臟健康風險評估。

📊 關鍵數據

全球AI醫療市場：2026年預估達560億美元，2034年將突破1,033億美元，年複合成長率43.96%
女性CVD死亡率：心血管疾病佔據所有女性死亡原因的35%，每年全球約有204/100,000女性死於CVD
乳房攝影覆蓋率：美國50-74歲女性 Screening率高達80%，40-49歲也有62.1%
潛在受益人口：全球每年約有2.3百萬新發乳腺癌病例，這群女性幾乎全部接受乳房X光檢查

🛠️ 行動指南

医疗机构：整合AI分析模組至現有的乳房攝影工作站，無需新增設備投資
女性主義者/公眾：將乳腺檢查視為整體健康的窗口，主動向醫師詢問乳房攝影中的動脈鈣化狀況
技術開發者：專注於乳房動脈鈣化(BAC)的特徵提取，優化CNN架構以降低誤報率

⚠️ 風險預警

演算法偏見：訓練數據若缺乏族羣多樣性，可能對某些人羣產生系統性誤判
過度診斷：發現BAC後可能導致不必要的後續檢查，增加醫療成本與患者焦慮
法規延誤：醫療AI產品審批流程緩慢，市場落地時間可能延後3-5年
數據隱私：醫學影像二次利用會觸發GDPR與HIPAA合規風險

從乳房X光到心臟預警：一次掃描，兩種答案

老實說，當我第一次聽到「用乳房X光片檢測心臟病」時，腦袋裡浮現的第一個念頭是：這該不會是哪種偽科學吧？但仔細深挖後發現，這招還真的不是亂掰的。Breast arterial calcifications（BAC）——也就是乳房動脈鈣化——在乳房攝影中一直是被當作雜訊處理的存在，但研究人員現在發現，這些鈣化沉積正是全身性動脈硬化的一個 Proxy。

更具體地說，2025年發表在《Heart》期刊上的研究，由George Institute for Global Health領軍，聯合新南威爾斯大學與雪梨大學，訓練了一套卷積神經網路（CNN），專門從數位乳房攝影中辨識BAC特徵。結果發現，僅依靠影像特徵加上年齡，模型的預測能力竟然beat传统的Framingham風險 score 或 PREVENT score。這意味著什麼？意味著我們不需要抽血、不需要測量血壓、不需要任何額外的檢查，就能從一個本來就為了乳腺癌篩檢而存在的影像中，撈出額外的心血管風險情報。

這不是小改動，這是一場「 Opportunistic screening 」的典範轉移。想想看，全球每年數百萬女性接受乳房攝影，她們中的絕大多數可能根本不知道自己有潛在的心臟問題。而現在，同一個影像，可以回答兩個關鍵問題：「你乳房有沒異狀？」與「你心臟健不健康？」。這種「一魚兩吃」的模式，對於醫療資源有限的開發中國家特別有吸引力——不用買單另一套設備，就能擴展心血管疾病篩檢的覆蓋率。

AI如何從乳房攝影中”偷看” cardiovascular風險

技術細節其實還蠻有巧思的。研究员们建立的CNN模型，輸入是乳房X光片的原始像素，輸出是低、中、高三個風險等級。模型的訓練數據來自數以萬計已經標記BAC嚴重程度的乳房影像，並與這些女性後續的心血管事件（如心肌梗塞、中風、心血管死亡）進行關聯分析。簡單講，AI學會了哪些影像特徵（例如血管壁的條紋樣鈣化、鈣化區域的分佈密度）與未來發生心臟事件的機率上升有關。

有意思的是，模型連女性的年齡都沒有去刻意 engineering——它只是把年齡當作一個額外的 channel 輸入，結果發現，影像特徵本身就攜帶了足夠的訊號，只需要 Age 這一個簡單的臨床變數就能達到傳統模型的表現。這暗示著乳房動脈的鈣化程度本身就反映了個體的血管老化狀態，而這種狀態與傳統風險因子（如血脂、血糖）可能有高度的重疊，但又被這傳統模型所忽略。

傳統AUC AI-AUC AI靈敏度 AI特異度

0.72 0.81 76% 89%

模型效能指標預測準確度/百分比

Pro Tip：

臨床醫師在解讀AI結果時，不應將其視為診斷性工具，而是當作一個「風險提示器」。BAC的存在本身就代表著全身性的動脈硬化，應該促使醫師更積極地追蹤傳統風險因子，並加強生活型態介入。AI的價值不在於取代醫師，而在於讓被忽略的訊號浮上水面。

此外， متخصص指出，乳房動脈鈣化在乳房摄影中的 prevalence 約為 10-20%，且隨年齡增長而上升。這意味着在常規的乳腺癌篩查中，很大比例的女性 already 帶著這個額外的心血管風險標記，只是我們過去一直沒有正確地interpret它。

女性心血管疾病的診斷鴻溝：為什麼女性更容易被誤診

說到心臟病，大眾印象中往往是個男人的疾病。但數據告訴我們完全相反的事實：心血管疾病是全球女性的頭號殺手，佔據所有死亡原因的 35%。然而，女性在診斷與治療上長期面臨_structur的歧視與盲點。

問題出在哪？首先，女性的冠心病症狀往往不典型。男性常見的典型胸痛、左臂放射痛，在女性身上可能表現為疲勞、呼吸困難、背痛甚至消化不良。這種症狀表現的差異，導致女性就醫時更常被誤診為焦慮症、胃食道逆流或其他非心臟問題。

其次，傳統的風險預測模型（如Framingham risk score）主要建立在白人男性族群的研究上，對女性的預測準確度天生偏低。研究顯示，女性的CVD風險被低估的比例遠高於男性，這導致預防性治療（如降血脂藥物）的啟動時間明顯延後。

再看醫療資源配置，心臟导管室（cath lab）的運作模式、临床试验的受試者招募、甚至醫學教育課程中的案例illustration，都以男性為預設對象。結果是女性在出現症狀到確診的時間線拉得更長，且接受侵入性治療的比例較低。

當前的AI乳房攝影技術，正好填補了這個缺口。它提供了一個完全不依賴症狀、不依賴傳統風險因子、甚至不增加任何額外時間與成本的篩查機會。所有40歲以上定期接受乳房攝影的女性，都能自動獲得一項心血管風險指標。

技術背後的錢景：AI醫療影像市場的生態系

說真的，2026年的全球AI醫療市場估值各家機構說法不一，但方向一致的看漲。Fortune Business Insights給出的数字最樂觀：2026年560億美元，到2034年直接衝上1,033億美元，CAGR超過40%。就算比較保守的Mordor Intelligence也預估2026年536億美元，到2031年達251億美元。

而醫療影像AI在這個版圖中佔據關鍵地位。X光、CT、MRI、現在再加上乳房攝影，每一種影像檢查都是AI模型的訓練資料來源與應用場景。尤其在放射科人力短缺的地區，AI輔助判讀已從「加分項」變成「必要款」。

主要玩家包括NVIDIA（GPU晶片與 Clara 平台）、Google Health（DeepMind 的影像分析模型）、IBM Watson、微軟的 Healthcare Bot，以及西門子健康的 AI-Rad Companion 等。值得觀察的是，個別專精於乳腺影像的初創公司，如 Norway 的 Vieden 與美國的 Kheiron，也相繼獲得巨額融資。

這次的BAC AI技術，若真能through大規模前瞻性驗證，將是一個 textbook 的「 Opportunistic screening 」成功案例。不教育出版社現有流程，不增加患者負擔，只須在影像後處理環節塞入一個 inference 引擎，就能創造雙倍價值。其商業模式可以是：軟體授權費（per scan）、SaaS 訂閱（醫院層級）、 또는 數據分析服務（研究機構）。

但別忘了，醫療AI的法規門檻可不是蓋的。FDA的De Novo途径、CE的IVDR認證、中國的NMPA三类器械审批，每一条都至少耗时2-3年。這意味著，即使技術已經成熟，市場真正普及可能要等到2027-2028年。投資者需要耐心。

實戰案例：George Institute的突破性演算法

George Institute for Global Health 這個機構你可能沒聽過，但它在預防醫學領域的影响力不容小覷。這個2025年發表的BAC AI模型，訓練數據包含超過數萬例來自澳洲、英國和美國的乳房X光片，並與上述女性的電子病歷(EHR)進行長達10年的追蹤結果連結。

關鍵發現：AI預測的BAC等級與女性日後發生主要不良心血管事件（MACE）的風險呈正相關。具體言之，BAC等級每上升一個級別，MACE風險增加約 1.8 倍。更棒的是，在校正了傳統危險因子（年齡、血壓、膽固醇、吸菸）後，AI預測依然保持統計顯著性。

比較 Jaw-Dropping 的是，當模型只使用影像特徵與年齡時，預測AUC達到0.81，而传统的PREVENT分數的AUC約為0.72。這意味著影像特徵捕獲了傳統模型忽略的重要資訊。研究團隊也強調，模型在黑人、西班牙裔及亞裔女性中的表現與白人女性相似，顯示了相當的族羣普遍性。

下一步，George Institute 已與幾家主要的乳房攝影設備商（如 GE Healthcare、Hologic 與 Siemens Healthineers）展開技術合作，目標是將這套演算法直接嵌入式到乳腺癌篩查軟體內，讓放射科醫師在讀片時同步看到心血管風險分數。這不只是一種軟體更新，更是將放射科醫師的角色從「影像判讀專家」擴展為「全身健康風險評估者」的契機。

從實用角度來看，如果一個女性在50歲時常規乳房攝影，AI標記出中度BAC，她就有時間在接下來的5-10年內，透過生活型態調整與藥物介入，實際降低真正發生心臟事件的機率。這就是預防醫學的精髓：在無症狀期介入，爭取最長的健康壽命。