美国研究人员开发出一款多模态 人工智能 （AI）模型，能显著提高识别心源性猝死高风险人群的准确性，有助于挽救生命，减少不必要的医疗干预。
美国约翰斯·霍普金斯大学等机构的研究人员近日在《自然-心血管研究》杂志上发表论文说，他们新开发的 AI模型 名为“多模态AI室性心律失常风险分层系统（MAARS）”，可通过分析患者的心脏增强磁共振成像（MRI）及各种医疗数据，挖掘出此前未被识别的重要心脏健康信息，从而更准确预测由室性心律失常导致的心源性猝死风险。
研究人员介绍，这项研究聚焦于一种常见遗传性心脏病——肥厚型心肌病。这种疾病是年轻人及运动员心源性猝死的主要原因之一，全球每200至500人中就有1人患病。尽管很多患者可正常生活，但部分个体心源性猝死风险较高。目前欧美国家普遍使用的临床指南对高风险人群的风险区分能力仅为0.50（随机猜测为0.50，完美预测为1.0），与掷硬币相当。
研究显示，新型AI模型能大幅提升预测准确性。针对约翰斯·霍普金斯医院及北卡罗来纳州桑格心脏与血管研究所患者进行的测试显示，AI模型对高风险人群的风险区分能力为0.89，在40至60岁人群中可达0.93。该模型还能描述患者高风险的原因，以便医生更好地制定治疗方案。
研究人员表示，这款AI模型在心源性猝死风险预测方面的表现远超现有算法。他们还计划将该模型推广至其他类型心脏疾病的风险评估。
