近日，美国约翰斯·霍普金斯大学宣布突破性进展：其研发的多模态人工智能系统显著提升了心脏病预测能力。最新研究表明，该系统在识别心脏骤停高风险人群方面表现远超现有临床指南。
这款名为MAARS（全称”多模态AI室性心律失常风险分层系统”）的智能系统，通过整合心脏MRI图像和全面健康数据，能够捕捉到传统方法难以察觉的心脏异常信号。这一创新使心血管疾病的风险预测准确性得到显著提升。
研究重点聚焦于肥厚型心肌病这种常见遗传性心脏病，该病症是导致年轻人突发心脏骤停的重要原因之一。这种疾病的隐蔽性和复杂性使得早期精准识别尤为重要。
项目负责人、约翰斯·霍普金斯大学生物医学工程教授Natalia Trayanova表示：”当前的医疗实践中，存在两类极端情况：一是年轻人因缺乏预警而猝死，二是患者终身佩戴除颤器却并未获得实际益处。MAARS系统的应用将有效解决这一两难困境。”
与现有临床指南约50%的准确率相比，MAARS系统展现出显著优势：整体预测准确率达到89%，在40至60岁高危人群中的准确率更是高达93%。这一年龄段正是心脏骤停发生风险最高的群体。
该系统通过对对比增强MRI扫描的心脏瘢痕特征进行深度学习分析，识别出心脏骤停的关键征兆。这种图像信息的解读难度较高，传统方法难以准确把握，而AI技术的应用使其转化为可量化的风险评估指标。
研究团队成员、约翰斯·霍普金斯大学心脏电生理学副教授Jonathan Chrispin指出：”与现有算法相比，MAARS系统在识别高危患者方面更为精准。这一突破有望彻底改变心脏病的临床诊断和治疗策略。”
目前，研究团队正在规划更大规模的临床试验，并致力于将该AI技术扩展应用于其他心脏疾病的风险评估，包括心脏结节病和致心律失常性右心室心肌病。这一技术的发展 promises to revolutionize cardiovascular healthcare in the near future.
相关文章
