本研究探讨了在非心脏CT扫描中量化冠状动脉钙化（CAC）的机会。开发的深度学习算法（AI-CAC）在预测长期死亡率和心血管事件方面优于传统CAC算法。

本研究提出了一种基于多任务循环神经网络和注意机制的方法，用于预测心血管事件。该模型在预测中风和心肌梗死方面表现更好，并通过多任务学习提升了短期预测效果。研究还探讨了个体特征和注意力权重对预测心血管事件的重要性，并证明了机器学习技术在二级保健中的应用。

该研究提出了一种新的方法，使用双编码器对比有序学习框架，将腹主动脉钙化量化为有序回归问题，并预测未来心血管事件的风险。在两个临床数据集上评估，具有高灵敏度和高准确性。