近日，一項來自美國約翰斯·霍普金斯大學的研究引起了醫學界的廣泛關注。該校科研團隊成功開發出一種名為MAARS的多模態人工智能模型，專門用于識別突發性心臟驟停的高風險人群，其效果超越了當前的臨床指南。
MAARS系統，全稱為“多模態AI室性心律失常風險分層系統”，融合了心臟MRI圖像和詳盡的健康記錄數據，能夠捕捉到以往難以辨識的預警信號，顯著提高了心血管風險的預測精度。這一研究成果已在《自然-心血管研究》雜志的最新一期中發表。
研究特別關注了肥厚型心肌病，這是一種常見的遺傳性心臟疾病，經常導致年輕人突發心臟驟停。傳統上，醫生在判斷患者風險時面臨挑戰，而MAARS模型的出現為這一難題提供了新的解決方案。
據約翰斯·霍普金斯大學生物醫學工程教授Natalia Trayanova介紹，目前存在兩種極端情況：一些患者在黃金年齡因缺乏有效預防措施而猝死，而另一些人則終身攜帶除顫器卻幾乎沒有受益。MAARS模型能夠更精確地識別出處于極高風險的患者，為醫生提供了有力的決策支持。
與當前美國和歐洲臨床指南約50%的準確率相比，MAARS模型的整體準確率高達89%，特別是在40歲至60歲這一高風險年齡段，準確率更是提升至93%。這一顯著提升得益于模型對增強型MRI掃描中心臟瘢痕圖樣的深入分析，這些圖像信息以往難以被醫生準確解讀，但通過深度學習技術，現在可以被轉化為具體的風險指標。
約翰斯·霍普金斯大學心臟電生理學副教授Jonathan Chrispin表示，MAARS模型在識別高危患者方面優于現有算法，具有徹底改變臨床決策方式的潛力。這不僅為肥厚型心肌病患者的風險管理提供了新的手段，也為其他類型心臟疾病的風險評估帶來了希望。
約翰斯·霍普金斯大學團隊還計劃進一步擴大MAARS模型的測試范圍，并將其應用于心臟結節病和致心律失常性右心室心肌病等其他心臟疾病的風險評估中，以期在未來為更多患者帶來福音。
