一种全新的人工智能（AI）模型比医生更能识别出可能经历心脏骤停的患者。
一名患有肥厚型心肌病的患者经MAARS判定为高猝死风险的增强对比心脏MRI影像。每个心切片图像从暗（正常心肌组织）到亮（纤维化、异常组织）变化。AI用红色标记了纤维化最严重的区域。
图像来源：约翰·霍普金斯大学
该系统的核心能力在于分析长期未被充分利用的心脏影像，结合全面的医疗记录，揭示患者心脏健康状况中以前隐藏的信息。
这项由联邦资助、约翰·霍普金斯大学研究人员领导的工作，可以挽救许多生命，同时避免许多人接受不必要的医疗干预，包括植入不需要的除颤器。
“目前，我们有一些患者正值壮年却因未受保护而死亡，还有些人则终生忍受着无益的除颤器。”资深作者Natalia Trayanova（纳塔莉亚·特拉扬诺娃）表示，她专注于将人工智能应用于心脏病学领域。“我们现在有能力以极高的准确性预测患者是否会面临很高的突发性心脏死亡风险。”
[研究结果发表在《自然心血管研究》上](
肥厚型心肌病是最常见的心脏遗传性疾病之一，每200至500人中就有1人受到影响，也是年轻人和运动员突发性心脏死亡的主要原因。
“[当前的临床指南]并不比掷骰子好多少”
纳塔莉亚·特拉扬诺娃
许多患有肥厚型心肌病的患者能够过上正常生活，但其中一部分人面临显著增加的突发性心脏死亡风险。医生几乎无法确定这些患者是谁。
目前，美国和欧洲的医生使用的临床指南来识别致命心脏病发作最高风险的患者，仅有约50%的机会正确识别，“并不比掷骰子好多少”，Trayanova说。该团队的模型在所有人口统计学类别中均显著优于临床指南。
多模态人工智能室性心律失常风险分层（MAARS），通过分析各种医疗数据和记录，预测个体患者突发性心脏死亡的风险，并首次探索了患者心脏增强对比MRI影像中的所有信息。
患有肥厚型心肌病的人会在心脏上形成纤维化或疤痕，正是这些疤痕增加了他们突发性心脏死亡的风险。虽然医生一直未能理解原始MRI影像，但AI模型直接聚焦于关键的疤痕模式。“人们尚未在这些图像上使用深度学习，”Trayanova说。“我们能够提取通常未被考虑的图像中的隐藏信息。”
该团队在约翰·霍普金斯医院和北卡罗来纳州桑格心脏与血管研究所接受传统临床指南治疗的真实患者中测试了该模型。与大约一半时间准确的临床指南相比，AI模型在所有患者中的准确率为89%，并且至关重要的是，在40至60岁人群中准确率达到93%，这部分人群是肥厚型心肌病患者中最容易发生突发性心脏死亡的群体。
AI模型还可以描述患者为何属于高风险，以便医生可以根据其具体需求定制医疗计划。“我们的研究表明，与当前算法相比，AI模型显著增强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力量，”合著者、约翰·霍普金斯大学心脏病学家Jonathan Crispin（乔纳森·克里斯宾）说。
2022年，Trayanova的团队创建了一个不同的多模态AI模型，为患有梗塞的患者提供个性化生存评估，预测某人是否会以及何时因心脏骤停而死亡。
该团队计划进一步测试新模型在更多患者中的表现，并扩展新算法以用于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。
作者包括来自约翰·霍普金斯大学的Changxin Lai（赖昌欣）、Minglang Yin（尹明朗）、Eugene G. Kholmovski（尤金·G·霍尔莫夫斯基）、Dan M. Popescu（丹·M·波佩斯库）、Edem Binka（埃德姆·宾卡）、Stefan L. Zimmerman（斯特凡·L·齐默尔曼）、Allison G. Hays（艾莉森·G·海斯）；加州大学旧金山分校肥厚型心肌病卓越中心的Dai-Yin Lu（吕岱音）和M. Roselle Abraham（M. 罗塞尔·亚伯拉罕）；以及Atrium Health的Erica Scherer（艾丽卡·谢勒）和Dermot M. Phelan（德莫特·M·费兰）。
(全文结束)
