AI 分析既有的心臟掃描影像，可額外提供心血管風險預測線索。美國 Mayo Clinic 團隊追蹤近 12,000 位成人約 16 年的研究顯示，利用 AI 從冠狀動脈鈣化（CAC）掃描中測量心包脂肪（pericardial fat），加入現有心血管風險模型後可顯著提升預測準確度。研究發表於《American Journal of Preventive Cardiology》，並於 American College of Cardiology Scientific Session 2026（ACC.26）公開。
心包脂肪和心血管風險有何關聯？
心包脂肪量越高，長期心血管疾病風險越高，且此關聯獨立於傳統風險因子。研究團隊在長達約 16 年的追蹤期間發現，心包脂肪的預測力獨立於年齡、血壓、膽固醇與糖尿病等既有風險因子之外。這意味著兩位其他條件相似的受檢者，心包脂肪較多的一方，未來發生心血管事件的風險可能較高，這項指標為既有模型補上一塊訊息。
AI 分析帶來哪些新價值？
AI 可從既有 CAC 掃描直接推算心包脂肪量，不需額外檢查或輻射暴露。受檢者原本就要做 CAC 掃描評估冠狀動脈鈣化分數，AI 演算法只是對同一張影像進行二次分析，等於從原有檢查中額外挖出一項風險指標。研究團隊強調，這項技術的關鍵優勢在於「零額外成本、零額外輻射」，有機會在不增加受檢負擔的情況下提升風險評估精度。
哪些人最能受惠？
此工具特別適用於中低風險族群，有助於辨識可能受益於早期預防介入的患者。對於高風險族群，臨床介入策略通常已經明確；真正的灰色地帶在於中低風險者——是否需要積極用藥、調整生活型態、或僅定期追蹤。研究顯示將 AI 推導的心包脂肪指標加入模型後，能更精準區分這群人當中誰真的該提早介入，誰可以安心觀察。
台灣民眾何時用得上？
CAC 掃描在台灣少數醫學中心提供，健保目前不給付，屬自費項目。若 AI 心包脂肪分析未來標準化並獲得更多驗證，理論上可為既有檢查增加附加價值，而不必另外付費做新檢查。不過此研究目前發表於醫學會議與期刊階段，仍需更多獨立驗證與臨床指引更新，才可能進入常規臨床流程。民眾心血管風險管理，仍建議與心臟科醫師討論個人化追蹤與預防策略。