一种新的人工智能（AI）模型在预测哪些患者有突发性心脏骤停高风险方面表现出显著改进，超越了传统临床方法的准确性。这项由约翰霍普金斯大学（Johns Hopkins University）领导并由联邦政府资助的研究，重点聚焦于肥厚型心肌病——一种可能导致年轻人和运动员猝死的遗传性心脏病。
通过医学影像增强风险预测
该AI模型被称为“用于心室心律失常风险分层的多模态人工智能”（Multimodal AI for Ventricular Arrhythmia Risk Stratification，简称MAARS），它通过分析多种医疗记录和心脏影像来评估患者突发性心脏死亡的风险。目前，医生使用的临床指南在识别高风险患者方面的准确率仅为50%，而MAARS的表现明显优于这些指南，其总体准确率达到89%，对于40至60岁最高风险人群的准确率甚至高达93%。
这一突破得益于该模型能够详细检查心脏的对比增强MRI图像，这是一种此前从未以如此细致的方式使用的技术。AI可以识别出纤维化（即心脏瘢痕组织）的模式，这些模式与更高的风险相关，但在传统评估中往往被忽视。这种能力至关重要，因为纤维化是肥厚型心肌病患者突发性心脏死亡的关键标志，但医生通常难以解读原始MRI图像。
潜在的生命挽救干预措施
这种基于AI的模型可以帮助医生更好地针对高危患者采取干预措施。通过预测哪些患者处于最大风险，它可以推荐预防性措施（例如植入除颤器）来挽救生命。另一方面，还可以避免对无需此类干预的患者进行不必要的治疗。
研究团队的模型还具有解释为何某位患者被认为是高风险的优势，使医生能够根据个人需求制定个性化的治疗计划。这可能会通过提高医疗干预的精确性和有效性，从而彻底改变临床护理。
扩展模型的应用能力
约翰霍普金斯团队计划继续在其他患者群体中测试AI模型，并希望将其应用扩展到其他心脏疾病，如心脏结节病和致心律失常性右室心肌病。他们之前的工作还展示了AI在评估心肌梗塞患者生存预测中的潜力，进一步凸显了这些模型在心脏病学领域的前景。
研究作者包括来自约翰霍普金斯大学的Changxin Lai、Minglang Yin、Eugene G. Kholmovski、Dan M. Popescu、Edem Binka、Stefan L. Zimmerman、Allison G. Hays；加州大学旧金山分校（University of California San Francisco）肥厚型心肌病卓越中心的Dai-Yin Lu和M. Roselle Abraham；以及Atrium Health的Erica Scherer和Dermot M. Phelan。这项研究得到了美国国立卫生研究院（National Institutes of Health）和Leducq基金会的资助。
(全文结束)
