一种新的人工智能模型在识别可能经历心脏骤停的患者方面比医生更为出色。该系统的关键在于其能够分析长期未被充分利用的心脏影像，以及全面的医疗记录，从而揭示患者心脏健康状况中以前隐藏的信息。
这项由美国联邦政府资助、约翰·霍普金斯大学（Johns Hopkins University）研究人员领导的研究，不仅可以挽救许多生命，还能避免许多人接受不必要的医疗干预，例如植入无用的除颤器。
“目前，有些患者正值壮年却因未受保护而死亡，而另一些人则终生忍受着对他们毫无益处的除颤器，”资深作者、专注于将人工智能应用于心脏病学的研究员纳塔莉亚·特拉亚诺娃（Natalia Trayanova）表示，“我们有能力以极高的准确性预测患者是否面临极高风险的猝死。”
研究结果今日发表在《自然心血管研究》（Nature Cardiovascular Research）期刊上。
肥厚型心肌病（Hypertrophic Cardiomyopathy）是最常见的心脏遗传病之一，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之一。许多肥厚型心肌病患者可以正常生活，但一部分患者的猝死风险显著增加。对于医生来说，确定这些高危患者几乎是不可能的。
目前，美国和欧洲医生使用的临床指南在识别最容易发生致命性心脏病发作的患者时，准确率约为50%，“这并不比掷骰子好多少”，特拉亚诺娃说道。
研究团队的模型在所有人口统计群体中都显著优于临床指南。多模态AI用于室性心律失常风险分层（Multimodal AI for ventricular Arrhythmia Risk Stratification, MAARS）通过分析多种医疗数据和记录，并首次探索了患者心脏对比增强MRI图像中的所有信息，来预测个体患者猝死的风险。
肥厚型心肌病患者会在心脏中形成纤维化或瘢痕组织，而这些瘢痕正是猝死风险升高的原因。虽然医生无法解读原始的MRI图像，但AI模型直接聚焦于关键的瘢痕模式。
“人们没有在这些图像上使用深度学习，”特拉亚诺娃说，“我们能够提取图像中通常未被考虑的隐藏信息。”
研究团队在约翰·霍普金斯医院（Johns Hopkins Hospital）和北卡罗来纳州桑格心脏与血管研究所（Sanger Heart & Vascular Institute）接受传统临床指南治疗的真实患者中测试了该模型。
相比准确率仅一半的临床指南，AI模型在所有患者中的准确率达到89%，更重要的是，在40至60岁人群中，准确率高达93%。这一年龄段是肥厚型心肌病患者中猝死风险最高的群体。
AI模型还可以解释为什么某些患者属于高风险人群，从而使医生能够制定适合他们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，因此有潜力彻底改变临床护理，”共同作者、约翰·霍普金斯大学心脏病学家乔纳森·克里斯宾（Jonathan Crispin）表示。
2022年，特拉亚诺娃的团队开发了一种不同的多模态AI模型，为心肌梗死患者提供个性化的生存评估，预测某人是否会以及何时因心脏骤停而死亡。
团队计划进一步测试该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的使用中，包括心脏结节病（cardiac sarcoidosis）和致心律失常性右室心肌病（arrhythmogenic right ventricular cardiomyopathy）。
论文作者包括来自约翰·霍普金斯大学的蔡昌欣（Changxin Lai）、殷明朗（Minglang Yin）、尤金·G·霍洛夫斯基（Eugene G. Kholmovski）、丹·M·波佩斯库（Dan M. Popescu）、埃德姆·宾加（Edem Binka）、斯蒂芬·L·齐默尔曼（Stefan L. Zimmerman）、艾莉森·G·海斯（Allison G. Hays），以及来自加州大学旧金山分校（University of California San Francisco）肥厚型心肌病卓越中心的陆大音（Dai-Yin Lu）和M·罗塞尔·亚伯拉罕（M. Roselle Abraham），还有来自阿特里姆健康（Atrium Health）的埃丽卡·谢勒（Erica Scherer）和德莫特·M·费兰（Dermot M. Phelan）。
(全文结束)
