ماموگرافی‌ها علاوه بر تشخیص سرطان پستان، می‌توانند در شناسایی رسوبات کلسیم در شریان‌ها، که نشانه‌ای از سلامت قلب است، نیز مؤثر باشند. این موضوع در کنفرانسی در نشست کالج آمریکایی قلب در شیکاگو مورد بحث قرار خواهد گرفت.

محققان با استفاده از هوش مصنوعی توانستند تجمع کلسیم در شریان‌های بافت پستان را تحلیل کنند و آن را به خطر مرگ پنج‌ساله زنان مرتبط سازند. نتایج نشان داد زنانی که سطح بالاتری از کلسیم در شریان‌های پستان دارند، در مقایسه با افرادی با تجمع کم یا بدون کلسیم، تقریباً سه برابر بیشتر در معرض خطر مرگ در پنج سال قرار دارند.

دکتر تئو دپامده، پژوهشگر اصلی این مطالعه از دانشگاه اموری آتلانتا، اظهار داشت: "این یافته‌ها فرصتی برای غربالگری همزمان زنان برای سرطان و بیماری‌های قلبی فراهم می‌کنند." وی افزود که کلسفیه شدن شریان‌های پستان به‌ویژه در زنان زیر ۶۰ سال می‌تواند پیش‌بینی‌کننده‌ای معتبر برای بیماری‌های قلبی باشد و شناسایی زودهنگام آن می‌تواند به ارجاع این افراد به متخصص قلب منجر شود.

مطالعات گذشته نشان داده‌اند که تجمع کلسیم در شریان‌ها خطر ابتلا به بیماری‌های قلبی و سکته را تا ۵۱ درصد افزایش می‌دهد. در ایالات متحده، سالانه حدود ۴۰ میلیون ماموگرافی انجام می‌شود و کلسفیه شدن شریان‌های پستان می‌تواند به‌صورت پیکسل‌های روشن در تصاویر اشعه ایکس دیده شود. با این حال، رادیولوژیست‌ها معمولاً این مورد را نادیده گرفته و تنها بر سرطان پستان تمرکز می‌کنند.

در این تحقیق، از هوش مصنوعی برای شناسایی کلسفیه شدن شریان‌ها در تصاویر ماموگرافی استفاده شد. محققان بیش از ۵۶ هزار پرونده پزشکی بین سال‌های ۲۰۱۳ تا ۲۰۲۰ را بررسی کردند و دریافتند خطر حمله قلبی، سکته یا نارسایی قلبی در زنان زیر ۶۰ سال و بین ۶۰ تا ۸۰ سال با شریان‌های کلسفیه شده افزایش می‌یابد، اما این ارتباط در زنان بالای ۸۰ سال مشاهده نشد.

بر اساس یافته‌ها، زنانی که بیشترین میزان کلسیم در شریان‌های پستان دارند، نرخ بقای پنج‌ساله کمتری بدون سکته یا حمله قلبی دارند؛ در حالی که ۸۶ درصد این افراد فقط پنج سال زنده ماندند، این نرخ برای کسانی با کمترین میزان کلسیم به ۹۵ درصد می‌رسد.

در صورتی که این مدل از هوش مصنوعی توسط سازمان غذا و داروی آمریکا (FDA) تأیید شود، می‌تواند به صورت روتین در برنامه‌های ماموگرافی به‌کار گرفته شود. همچنین محققان در حال بررسی این موضوع هستند که آیا این فناوری می‌تواند برای شناسایی بیماری‌های دیگری نظیر بیماری‌های کلیوی نیز مورد استفاده قرار گیرد یا خیر.