美国研究人员开发了一种新的人工智能（AI）模型，该模型在识别心脏性猝死高风险患者方面显著优于现有的临床指南。
这种名为“心室性心律失常风险分层多模态人工智能”（Multimodal AI for Ventricular Arrhythmia Risk Stratification，简称MAARS）的AI系统，通过整合心脏核磁共振成像（MRI）图像和广泛的患者健康记录来检测隐藏的警示信号，从而在心血管风险预测上达到了一个新的精度水平，新闻机构报道。
这项研究发表在《自然心血管研究》杂志上，重点研究了肥厚型心肌病——这是最常见的遗传性心脏病之一，也是年轻人心脏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Natalia Trayanova表示：“目前我们看到一些人在壮年时因没有得到保护而去世，还有一些人终生带着除颤器却没有从中受益。”
Trayanova补充说：“我们有能力非常准确地预测患者是否处于心脏性猝死的高风险中。”
目前在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模型总体准确率达到89%，对于40至60岁的患者群体，准确率更是高达93%——这一群体属于最高风险人群。
该AI模型分析了对比增强的MRI扫描，寻找心脏疤痕模式——这是医生传统上难以解读的内容。通过将深度学习应用于这一先前未被充分利用的数据，该模型识别出了心脏性猝死的关键预测指标。
约翰霍普金斯大学的心脏病专家、共同作者Jonathan Chrispin表示：“我们的研究表明，这种AI模型显著提高了我们预测最高风险人群的能力，相比现有算法有着更强的力量，因此有可能改变临床护理。”
团队计划进一步在更多患者身上测试这个新模型，并扩展该算法以用于其他类型的心脏病，包括心脏结节病和右心室心肌病。
(全文结束)
