7 月 5 日消息，據新華社今日報道，美國約翰斯?霍普金斯大學開發出一款多模態人工智能模型，在識別突發性心臟驟停高風險人群方面，明顯優于現行的臨床指南。這一研究結果已在最新一期的《自然-心血管研究》雜志上發表。

這款名為 MAARS 的 AI 系統（注：全稱為“多模態 AI 室性心律失常風險分層系統”）結合了心臟 MRI 圖像與廣泛的健康記錄數據，能發現以往難以察覺的預警信號，使心血管風險預測達到更高的準確度。

研究聚焦于肥厚型心肌病。這是一種常見的遺傳性心臟疾病，也是年輕人突發心臟驟停的主要誘因之一。

約翰斯?霍普金斯大學生物醫學工程教授、心血管 AI 研究專家 Natalia Trayanova 表示：“我們眼下既有患者因缺乏保護措施在黃金年齡猝死，也有人終身植入除顫器卻幾乎沒有任何獲益。我們現在已經可以非常準確地判斷某人是否處于極高風險之中。”

美國與歐洲現行臨床指南在判斷高風險患者方面準確率僅約為 50%。相比之下，MAARS 模型的整體準確率達 89%，對于 40 歲至 60 歲這一最高風險人群的準確率更提升至 93%。

該模型通過分析對比增強型 MRI 掃描中的心臟瘢痕圖樣，識別出突發性心臟驟停的關鍵征兆。過去這類圖像信息較難為醫生準確解讀，如今借助深度學習，得以轉化為可操作的風險指標。

約翰斯?霍普金斯大學心臟電生理學副教授 Jonathan Chrispin 表示：“研究結果顯示，MAARS 模型比現有算法更能準確識別高危患者，有潛力從根本上改變臨床決策方式。”

約翰斯?霍普金斯大學團隊還計劃擴大模型的測試范圍，并將該算法推廣至其他類型的心臟疾病風險評估，包括心臟結節病和致心律失常性右心室心肌病。