世界卫生组织（WHO）鼓励医疗系统优先发展、评估、实施和扩大数字健康创新（DHI），并将这些新技术整合到现有的健康系统基础设施中。同样，在2022年，美国食品和药物管理局（FDA）发布了一份文件，重点推动数字健康的进步，强调DHI在改善弱势群体护理可及性方面的潜力。这对于仍然是全球主要死因的心血管疾病（CVD）尤为重要。
以生活方式改变和有效预防治疗的坚持为重点，是CVD预防和管理的基石，可以通过技术的进步加以增强。DHI指的是通过互联网、可穿戴设备、移动应用程序和利用大数据与人工智能的新兴计算方法提供的医疗服务。人工智能（AI）被定义为机器模仿人类智能行为或执行通常需要人类智能的任务的能力。
AI存在一个连续体，从机器重复许多人类任务（辅助的）、支持人类超出自身能力完成工作（增强的）到完全自主完成任务而无需人类干预。过去十年中，使用AI改进医学诊断和风险评估的应用显著增加。自FDA于1995年首次开始审查AI支持的设备以来，已经批准了超过800个临床AI辅助算法，其中心血管疾病是FDA批准的AI算法中的主要专科之一。
技术进步，包括DHI，特别是AI，可能使临床医生根据患者的具体需求量身定制治疗，实现精准医学和改善心血管健康。考虑到这些技术的进展速度及其对临床实践的影响，本叙述性综述旨在为临床医生提供对这些技术的基本理解和应用。
我们描述了一个案例，重点介绍了（1）用于偶然检测胸部CT中的冠状动脉钙化的增强AI，（2）支持遵循指南指导下医疗治疗的临床决策支持系统（CDSS），（3）提高患者依从性和参与度的移动应用程序，（4）用于增强患者健康辅导的大型语言模型，以及（5）这些技术的成功采纳及治理策略。案例简介部分1：
安东尼·假想先生（A.I.）是一名58岁的男性，患有长期高血压和烟草使用障碍，他因为呼吸急促最近去了一次急诊室。急诊室拍摄了一张无电图门控、无对比剂的胸部CT扫描，显示出右下肺炎，他随后被处方了一个疗程的抗生素治疗并出院。他现在感觉恢复到原状。他从未接受过常规的预防性护理。AI是否可以基于他在急诊室进行的测试来筛查心血管疾病？作为他呼吸急促检查的一部分，安东尼先生接受了一次无对比剂胸部CT扫描。
在他未门控的胸部CT扫描中筛查冠状动脉钙化（CAC），被称为“偶然CAC”，提供了提早识别动脉粥样硬化心血管疾病（ASCVD）风险的机会。偶然CAC的自动检测是利用深度学习模型在无电图门控的胸部CT上量化特定血管CAC评分来实现的。一些AI-CAC模型使用两阶段的CAC评分过程，如用于解剖注册的图谱或用于定义冠状动脉解剖和区分冠状和非冠状钙化（例如，瓣膜钙化）的界限框。
然而，迄今最常用的算法使用单个卷积神经网络（CNN）进行端到端的方法。此算法在斯坦福医院内部和美国和拉丁美洲的四个地理位置上进行了外部验证。在所有地点，检测任何CAC（≥1 Agatston单位[AU]）的诊断性能都很高（灵敏度范围：82-94%和阳性预测值[PPV]范围87-100%）。在所有地点，检测CAC ≥100的特异性和PPV也很高（特异性范围：93-100%和PPV范围86-93%）。
CAC检测优于现有的血清生物标志物和其他影像学手段用于动脉粥样硬化心血管疾病（ASCVD）风险评估。在临床实践中使用的CAC评分研究采用电图门控成像（采集在RR间隔的60-80%）以最大限度地减少钙化估计的过高或过低。然而，最近的研究表明，在因非心脏适应症进行的无电图门控胸部CT扫描中，CAC的发现同样能够预测未来冠心病风险。多个心脏病学和放射学指南支持在非门控扫描中常规报告CAC。
中度至重度偶然CAC与献身于CAC扫描的Agatston评分≥100相关，这是患者与临床医生讨论他汀类药物启动的指南基础指示。尽管有这些建议，偶然的CAC在放射科医生中报告不足。解决放射科医生的未报告现象，自动检测和报告偶然CAC提供了一种技术支持的方法，以确保普遍报告。
由于非对比剂胸部CT成像比专门用于冠状动脉钙化评分的成像频率更高，因此在这种研究中报告CAC为在适当选择的患者中提供ASCVD风险信息提供了机会。NOTIFY-1项目进一步证明，通过适当分配他汀类药物处方，偶然CAC的择机筛查随后临床医师和患者通知率显着增加。初级保健医生和患者对偶然冠状动脉钙化的沟通表达了担忧。
对更广泛报告偶然CAC分数和通知的最大感知障碍包括对临床医生跟进负担的影响，临床医生理解的缺乏，患者焦虑，以及不适当的后续检测。