纽约，7月5日（IANS）——美国研究人员开发了一种新的人工智能（AI）模型，其在识别心源性猝死高危患者方面的表现显著优于当前的临床指南。
这个被称为“多模态心室心律失常风险分层AI”（Multimodal AI for Ventricular Arrhythmia Risk Stratification，简称MAARS）的AI系统，整合了心脏核磁共振成像（MRI）图像与广泛的患者健康记录，以检测隐藏的预警信号，从而为心血管风险预测提供了新的精准度，新华社报道。
这项研究发表在《自然心血管研究》杂志上，聚焦于肥厚型心肌病（hypertrophic cardiomyopathy）——一种最常见的遗传性心脏病，也是年轻人心源性猝死的主要原因之一。
约翰霍普金斯大学专注于将AI应用于心脏病学的研究员、资深作者纳塔莉亚·特拉亚诺娃（Natalia Trayanova）表示：“目前，一些人在生命的黄金时期因未受保护而死亡，另一些人则终生忍受着植入式除颤器带来的不便却毫无益处。”
她补充道：“我们有能力以极高的准确性预测患者是否面临极高的心源性猝死风险。”
目前，美国和欧洲使用的临床指南在识别高风险患者方面的估计准确率仅为50%。
相比之下，MAARS模型整体准确率达到89%，而对于40至60岁的高风险人群，准确率更是高达93%。
该AI模型分析对比增强MRI扫描中显示的心脏瘢痕模式——这是医生传统上难以解读的内容。通过对这一先前未充分利用的数据应用深度学习，该模型能够识别心源性猝死的关键预测因素。
共同作者、约翰霍普金斯大学心脏病学家乔纳森·克里斯平（Jonathan Chrispin）表示：“我们的研究表明，相比现有的算法，这种AI模型显著提升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。”
研究团队计划进一步测试这一新模型在更多患者中的效果，并扩展这一新算法的应用范围，用于其他类型的心脏疾病，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）。
(全文结束)
