新AI模型助提高识别心源性猝死风险 减少不必要医疗干扰

美国约翰斯霍普金斯大学等机构研究人员近日在《自然-心血管研究》杂志上发表论文指出，开发了一款名为“多模态AI室性心律失常风险分层系统”（MAARS）AI模型，能显著提高识别心源性猝死高风险人群的准确性，有助于挽救生命及减少不必要的医疗干扰。

挖出重要心脏健康信息

据内媒报道，新开发的AI模型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。

根据研究人员介绍，研究聚焦于一项常见遗传性心脏病“肥厚型心肌病”，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。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0.5，与掷硬币相当。

可描述患者高风险原因

不过，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。