美國研究人員開發(fā)出一款多模態(tài)人工智能（AI）模型，能顯著提高識別心源性猝死高風險人群的準確性，有助于挽救生命，減少不必要的醫(yī)療干預。
美國約翰斯·霍普金斯大學等機構的研究人員近日在《自然-心血管研究》雜志上發(fā)表論文說，他們新開發(fā)的AI模型名為“多模態(tài)AI室性心律失常風險分層系統(tǒng)（MAARS）”，可通過分析患者的心臟增強磁共振成像（MRI）及各種醫(yī)療數(shù)據(jù)，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。
研究人員介紹，這項研究聚焦于一種常見遺傳性心臟病——肥厚型心肌病。這種疾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。盡管很多患者可正常生活，但部分個體心源性猝死風險較高。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(qū)分能力僅為0.50（隨機猜測為0.50，完美預測為1.0），與擲硬幣相當。
研究顯示，新型AI模型能大幅提升預測準確性。針對約翰斯·霍普金斯醫(yī)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(qū)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(yī)生更好地制定治療方案。
研究人員表示，這款AI模型在心源性猝死風險預測方面的表現(xiàn)遠超現(xiàn)有算法。他們還計劃將該模型推廣至其他類型心臟疾病的風險評估。
美國研究人員開發(fā)出一款多模態(tài)人工智能（AI）模型，能顯著提高識別心源性猝死高風險人群的準確性，有助于挽救生命，減少不必要的醫(yī)療干預。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(qū)分能力僅為0.50（隨機猜測為0.50，完美預測為1.0），與擲硬幣相當。該模PG電子型還能描述患者高風險的原因，以便醫(yī)生更好地制定治療方案。研究人員表示，這款AI模型在心源性猝死風險預測方面的表現(xiàn)遠超現(xiàn)有算法。他們還計劃將該模型推廣至其他類型心臟疾PG電子病的風險評估。
