预测心脏骤停:人工智能在风险评估方面超越心脏病专家
约翰霍普金斯大学开发的一种新人工智能模型能够以显著高于以往方法的准确性检测突发心脏死亡的风险。该模型名为MAARS,可以比传统临床风险计算器更准确地预测个体突发心脏死亡的风险。这项研究发表在《自然心血管研究》杂志上,研究表明MAARS在内部测试数据集中的准确率达到0.89,在外部测试数据集中的准确率为0.81,而在40至60岁高风险人群中的准确率甚至达到93%。MAARS通过结合心脏MRI图像、临床数据和心脏病学测量,为医生提供可理解的决策解释,同时避免不必要的医疗干预。
2025-07-30 18:39:46AI与医疗健康