一种新的AI模型在识别可能经历心源性猝死的患者方面表现远超医生。该系统的关键在于其能够分析长期以来未被充分利用的心脏影像，并结合全面的医疗记录，揭示出患者心脏健康的隐藏信息。
图片说明：一名患有肥厚型心肌病的患者的对比增强心脏MRI图像，被MAARS判定为猝死高风险。每张心脏切片从暗色（正常心肌组织）到亮色（纤维化、异常组织）变化。AI用红色标记出纤维化最严重的区域。
图片来源：约翰斯·霍普金斯大学
这项由联邦资助、约翰斯·霍普金斯大学研究人员主导的研究，不仅可以挽救许多生命，还可以避免许多不必要的医疗干预，包括植入不需要的除颤器。
“目前，有些患者在壮年时期因未能得到保护而死亡，而另一些人则终生忍受着毫无益处的除颤器。我们有能力以极高的准确性预测患者是否处于心源性猝死的极高风险中。”该研究的资深作者、专注于将人工智能应用于心脏病学的纳塔莉亚·特拉亚诺娃（Natalia Trayanova）表示。
研究结果发表在《自然心血管研究》期刊上。
肥厚型心肌病是最常见的遗传性心脏病之一，全球每200至500人中就有一人患病，也是年轻人和运动员猝死的主要原因。许多肥厚型心肌病患者可以过上正常生活，但其中一部分人面临显著增加的猝死风险。医生几乎无法确定这些高风险患者是谁。
目前，美国和欧洲医生使用的临床指南在识别致命心脏病高风险患者方面的准确率约为50%，“这并不比掷骰子好多少，”特拉亚诺娃说道。
该团队的模型在所有人群中均显著优于现有的临床指南。
多模态AI心律失常风险分层（MAARS）模型通过分析各种医疗数据和记录来预测个体患者发生心源性猝死的风险，并首次全面挖掘了患者心脏对比增强MRI图像中的所有信息。
肥厚型心肌病患者的心脏会出现纤维化或瘢痕，这种瘢痕增加了他们猝死的风险。虽然医生一直无法解读原始的MRI图像，但AI模型精准地锁定了关键的瘢痕模式。
“人们尚未使用深度学习技术分析这些图像，”特拉亚诺娃说，“我们能够提取出通常未被考虑的隐藏信息。”
该团队将该模型与约翰斯·霍普金斯医院和北卡罗来纳州桑格心脏与血管研究所实际采用传统临床指南治疗的患者进行了测试。
与准确率约为一半的临床指南相比，AI模型在所有患者中的准确率达到89%，更重要的是，对于40至60岁人群（肥厚型心肌病患者中猝死风险最高的群体），准确率高达93%。
此外，该AI模型还能解释为什么某些患者属于高风险，从而帮助医生制定符合其特定需求的医疗计划。
“我们的研究表明，与现有算法相比，AI模型显著提高了我们预测最高风险人群的能力，因此具有改变临床护理的潜力，”共同作者、约翰斯·霍普金斯大学心脏病学家乔纳森·克里斯平（Jonathan Chrispin）表示。
2022年，特拉亚诺娃的团队创建了一种不同的多模态AI模型，为心肌梗塞患者提供个性化的生存评估，预测某人是否会以及何时死于心脏骤停。
该团队计划进一步测试新模型在更多患者中的表现，并将新算法扩展到其他类型的心脏疾病，包括心脏结节病和致心律失常性右室心肌病。
论文作者包括蔡昌欣、殷明朗、尤金·霍洛夫斯基、丹·波佩斯库、埃德姆·宾卡、斯特凡·齐默尔曼、艾莉森·海斯（均为约翰斯·霍普金斯大学成员）；卢代银和M. 罗赛尔·亚伯拉罕（加州大学旧金山分校肥厚型心肌病卓越中心）；以及艾丽卡·谢勒和德莫特·费兰（Atrium Health）。
该研究得到了美国国立卫生研究院资助的R01HL166759、R01HL174440、R35HL1431598以及Leducq基金会的资助。
(全文结束)
