一种强大的新型人工智能系统显示，它可以比当前医学方法更准确地预测谁有突发心脏骤停的风险——这可能挽救数千人的生命，同时帮助其他人避免不必要的医疗程序。
该系统由约翰霍普金斯大学（Johns Hopkins University）的研究人员开发，并由美国政府资助，重点研究一种常见但难处理的心脏病——肥厚型心肌病（hypertrophic cardiomyopathy）。这种遗传性疾病会导致心肌增厚和瘢痕形成，是年轻人和运动员猝死的主要原因。尽管许多患有此病的人可以正常生活，但另一些人则面临严重风险——然而，直到现在，医生仍难以分辨谁真正处于危险之中。
这就是新的人工智能模型介入的地方。该系统被称为MAARS（Multimodal AI for Arrhythmia Risk Stratification 的缩写），它通过分析广泛的患者数据，包括医疗记录和心脏扫描图像，来确定最有可能发生突发心脏骤停的人群。它的独特之处在于能够读取并理解心脏磁共振成像（MRI）图像，特别是揭示心肌瘢痕的增强对比扫描图像——这是人类医生一直难以一致或有效解读的内容。
“目前，一些本可以被保护的患者在壮年时因未能及时干预而死亡，”资深作者、约翰霍普金斯大学研究员、专注于人工智能与心脏病学的Natalia Trayanova表示，“与此同时，还有许多人植入了他们实际上并不需要的除颤器。我们的AI可以以极高的准确性预测谁真正处于风险之中。”
该模型的成功令人瞩目。根据Trayanova的说法，目前在美国和欧洲用于治疗该疾病的医学指南的准确率仅为50%左右——基本上是一次掷硬币的概率。然而，MAARS在所有患者中的准确率达到了89%，而在40至60岁这一最容易因该疾病猝死的群体中，准确率更是高达93%。
这项研究发表在《自然心血管研究》（Nature Cardiovascular Research）上。
为了构建和测试该模型，研究人员使用了来自约翰霍普金斯医院（Johns Hopkins Hospital）和北卡罗来纳州桑格心脏与血管研究所（Sanger Heart & Vascular Institute）的真实患者数据。与依赖一般风险因素的标准做法不同，MAARS利用深度学习检测心脏中的特定瘢痕模式，并将其与每个人的健康史相结合，提供个性化的风险评估。更重要的是，它可以解释为什么某人被认为是高风险，从而使医生能够制定适合个体患者的治疗计划。
“我们从这些图像中提取了通常未被发现或未被使用的隐藏信息，”Trayanova说，“此前从未有人将深度学习应用于这些心脏扫描。”
这一突破建立在Trayanova团队之前的工作基础上。2022年，他们创建了另一种AI模型，用于预测既往心脏病发作导致心肌损伤患者的生存结果。该模型不仅预测了某人是否会因心脏骤停死亡，还预测了死亡可能发生的时间。
展望未来，该团队计划将MAARS的应用扩展到其他心脏疾病，例如心脏结节病（cardiac sarcoidosis）和致心律失常性右室心肌病（arrhythmogenic right ventricular cardiomyopathy）。这些疾病同样存在猝死风险，但使用现有工具进行预测仍然不可靠。
这一新模型有潜力彻底改变医生评估心脏风险的方式，特别是对于那些患有隐匿性或不被理解的疾病的人群。MAARS提供了一种更加个性化、准确且基于数据的解决方案，取代了“一刀切”的传统方法。
随着研究人员继续测试和完善这一系统，人们希望有一天，这种AI可以成为心脏病学领域的标准工具——通过为医生提供及时准确的信息来挽救生命。
(全文结束)
