由室性心律失常引發(fā)的心源性猝死（SCD）是全球范圍內(nèi)主要的死亡原因之一，尤其在肥厚型心肌?。℉CM）患者中，對(duì)心律失常死亡預(yù)后的評(píng)估極具挑戰(zhàn)性。當(dāng)前臨床指南對(duì)于這一人群的風(fēng)險(xiǎn)評(píng)估性能較低且準(zhǔn)確性不一致。2025年7月2日，約翰·霍普金斯大學(xué)的研究團(tuán)隊(duì)在《Nature Cardiovascular Research》雜志上發(fā)表了一項(xiàng)研究，開(kāi)發(fā)了一種名為MAARS（Multimodal Artificial intelligence for ventricular Arrhythmia Risk Stratification）的多模態(tài)人工智能模型，旨在通過(guò)分析多種醫(yī)療數(shù)據(jù)來(lái)預(yù)測(cè)HCM患者的致命性心律失常事件。

 

  MAARS是一種基于Transformer架構(gòu)的神經(jīng)網(wǎng)絡(luò)模型，能夠從電子(http://www.weberwork.com/sell/l_23/)健康記錄、超聲心動(dòng)圖、放射學(xué)報(bào)告以及對(duì)比增強(qiáng)的心臟磁共振圖像中學(xué)習(xí)。特別是后者作為該模型的獨(dú)特?cái)?shù)據(jù)來(lái)源，使得其能更精準(zhǔn)地識(shí)別出那些面臨較高心律失常死亡風(fēng)險(xiǎn)的HCM患者。

 

  研究顯示，在內(nèi)部隊(duì)列和外部隊(duì)列中，MAARS模型的曲線(xiàn)下面積（AUC）分別達(dá)到了0.89和0.81，顯著優(yōu)于現(xiàn)有臨床指南的0.27-0.35（內(nèi)部隊(duì)列）和0.22-0.30（外部隊(duì)列）。此外，與傳統(tǒng)臨床指南相比，MAARS不僅提高了預(yù)測(cè)準(zhǔn)確性，還在不同的人口亞群體間展現(xiàn)了公平性，這標(biāo)志著在個(gè)性化醫(yī)療領(lǐng)域邁出了重要一步。

 

  為了增加AI決策過(guò)程的透明度，研究團(tuán)隊(duì)還從多個(gè)層面對(duì)MAARS進(jìn)行了解釋?zhuān)瑤椭t(yī)生理解模型所依賴(lài)的關(guān)鍵風(fēng)險(xiǎn)因素，并為進(jìn)一步的研究指明方向。

 

  MAARS作為一個(gè)強(qiáng)大的臨床決策支持工具(http://www.weberwork.com/sell/l_5/)，有望極大地改善HCM患者的護(hù)理質(zhì)量。它不僅能直接通過(guò)未來(lái)與自動(dòng)化數(shù)據(jù)提取系統(tǒng)的整合來(lái)實(shí)現(xiàn)這一點(diǎn)，還能間接作為多模態(tài)AI提升個(gè)性化醫(yī)療服務(wù)(http://www.weberwork.com/sell/l_11/)的一個(gè)典范案例。這項(xiàng)研究表明，采用最先進(jìn)的多模態(tài)AI技術(shù)開(kāi)發(fā)的MAARS具有出色的性能、公平性和通用性，為提高HCM患者的生活質(zhì)量和延長(zhǎng)壽命提供了新的可能性。

 

  總的來(lái)說(shuō)，隨著MAARS等先進(jìn)工具的應(yīng)用，心臟病學(xué)領(lǐng)域正朝著更加精準(zhǔn)化和個(gè)性化的治療邁進(jìn)，這對(duì)于應(yīng)對(duì)復(fù)雜疾病如HCM至關(guān)重要。這項(xiàng)研究不僅為臨床實(shí)踐帶來(lái)了革新性的變化，也為未來(lái)AI在醫(yī)療領(lǐng)域的應(yīng)用奠定了堅(jiān)實(shí)的基礎(chǔ)。