肺动脉高压（PH）是一种进展性的潜在致命疾病，往往直到晚期才被发现。目前的诊断方法，如经胸超声心动图（TTE），缺乏敏感性和特异性，可能需要进行侵入性的右心导管检查来确诊。然而，在2024年10月6日至9日于波士顿举行的CHEST年度会议上，一项突破性的研究介绍了一种多模态融合模型（MMF-PH），可能会彻底改变PH的检测方法。
这一创新的深度学习算法整合了电子健康记录中的数据，包括胸部X光片、心电图、人口统计学信息和TTE结果，提供比传统的TTE筛查方法更准确的结果。研究表明，MMF-PH在各种患者群体中表现出优越的诊断性能，显示出巨大的临床应用前景。
该研究分析了2019年至2021年间在北京阜外医院疑似但未确诊的4,576名患者的数据库。其中，2,451例通过右心导管检查得到确诊。该算法使用回顾性和前瞻性数据进行了严格的训练和验证，包括来自其他医疗机构的外部数据集。
中国医学科学院和阜外医院的黄志华博士对这一算法表示：“这种多模态深度学习算法能够早期、准确地识别肺动脉高压及其亚型，可能减少对侵入性程序的需求。它有潜力显著改善患者管理和预后，同时降低医疗成本。”
凭借其在早期诊断和指导个性化治疗方面的潜力，MMF-PH算法有望彻底改变肺动脉高压的临床管理，提供一种侵入性较小、由AI驱动的解决方案。
(全文结束)
