美国研究人员开发出一种新的人工智能（AI）模型，可显著超越现有临床指南，在识别心源性猝死高风险患者方面表现出色。该研究由约翰霍普金斯大学（Johns Hopkins University）的研究人员完成，并于本周发表在《自然心血管研究》（Nature Cardiovascular Research）期刊上。
这种AI系统被称为“用于心律失常风险分层的多模态AI”（Multimodal AI for ventricular Arrhythmia Risk Stratification，简称MAARS），它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，发现隐藏的预警信号，从而提供更高精度的心血管风险预测。
研究集中于肥厚型心肌病（hypertrophic cardiomyopathy），这是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。高级作者、专注于将AI应用于心脏病学的研究员娜塔莉亚·特拉亚诺娃（Natalia Trayanova）表示：“目前，一些患者因未受到保护而正值壮年便离世，另一些患者则终生携带除颤器却毫无益处。我们现在有能力以极高的准确性预测某位患者是否存在极高风险。”
当前，美国和欧洲使用的临床指南在识别高风险患者方面的准确率仅为50%左右。相比之下，MAARS模型的整体准确率为89%，而在40至60岁这一高风险人群中，准确率更是高达93%。
该AI模型通过分析增强对比度的MRI扫描来检测心肌瘢痕模式——这是医生传统上难以解读的数据。通过利用深度学习技术处理这些以往未被充分利用的数据，该模型能够识别心源性猝死的关键预测因子。
共同作者、约翰霍普金斯大学的心脏病学家乔纳森·克里斯平（Jonathan Chrispin）表示：“我们的研究表明，与现有的算法相比，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表现，并扩展该算法的应用范围，使其适用于其他类型的心脏疾病，如心脏结节病（cardiac sarcoidosis）和致心律失常性右室心肌病（arrhythmogenic right ventricular cardiomyopathy）。
(全文结束)
