新AI模型助提高識別心源性猝死風險 減少不必要醫療干擾

美國約翰斯霍普金斯大學等機構研究人員近日在《自然-心血管研究》雜誌上發表論文指出，開發了一款名為「多模態AI室性心律失常風險分層系統」（MAARS）AI模型，能顯著提高識別心源性猝死高風險人群的準確性，有助於挽救生命及減少不必要的醫療干擾。

挖出重要心臟健康信息

據內媒報道，新開發的AI模型可通過分析患者的心臟增強磁共振成像（MRI）及各種醫療數據，挖掘出此前未被識別的重要心臟健康信息，從而更準確預測由室性心律失常導致的心源性猝死風險。

根據研究人員介紹，研究聚焦於一項常見遺傳性心臟病「肥厚型心肌病」，是年輕人及運動員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。目前歐美國家普遍使用的臨床指南對高風險人群的風險區分能力僅為0.5，與擲硬幣相當。

可描述患者高風險原因

不過，針對約翰斯霍普金斯醫院及北卡羅來納州桑格心臟與血管研究所患者進行的測試顯示，AI模型對高風險人群的風險區分能力為0.89，在40至60歲人群中可達0.93。該模型還能描述患者高風險的原因，以便醫生更好地制定治療方案。