AI新突破：精准预警心源性猝死，约翰斯・霍普金斯大学引领未来医疗

AI提前听出心脏危机，约翰斯・霍普金斯大学解锁猝死预警新纪元

　　 7月5日消息，据新华社报道，美国约翰斯・霍普金斯大学研发出一款多模态人工智能模型，在识别突发性心脏骤停高风险人群方面展现出显著优势，优于当前的临床指南。该研究成果已发表于最新一期《自然-心血管研究》杂志。 这项技术的进步为心血管疾病的早期预警提供了新的可能，显示出人工智能在医疗领域的巨大潜力。随着算法的不断优化和数据的持续积累，这类模型有望在未来更广泛地应用于临床实践，提升疾病预防和救治效率。不过，其实际应用仍需经过严格的验证与监管，以确保安全性和有效性。

　　 这款名为MAARS的AI系统，全称为“多模态AI室性心律失常风险分层系统”，通过整合心脏MRI图像与全面的健康记录数据，能够识别出以往难以发现的预警信号，从而显著提升心血管疾病风险预测的准确性。 在我看来，MAARS系统的出现标志着人工智能在医疗领域应用的进一步深化。它不仅提升了诊断的精准度，也为个性化医疗提供了新的可能。随着技术的不断进步，这类系统有望在未来的临床实践中发挥更大作用，帮助医生更早地发现潜在风险，为患者提供更及时、有效的干预方案。

　　 研究聚焦于肥厚型心肌病。这是一种常见的遗传性心脏疾病，也是年轻人突发心脏骤停的主要诱因之一。

　　 约翰斯・霍普金斯大学生物医学工程教授、心血管 AI 研究专家 Natalia Trayanova 表示：“我们眼下既有患者因缺乏保护措施在黄金年龄猝死，也有人终身植入除颤器却几乎没有任何获益。我们现在已经可以非常准确地判断某人是否处于极高风险之中。”

　　 美国与欧洲现行临床指南在判断高风险患者方面准确率仅约为 50%。相比之下，MAARS 模型的整体准确率达 89%，对于 40 岁至 60 岁这一最高风险人群的准确率更提升至 93%。

　　 该模型通过分析对比增强型MRI扫描中的心脏瘢痕分布模式，识别出突发性心脏骤停的重要征兆。以往这些图像信息难以被医生准确解读，而现在借助深度学习技术，能够将其转化为具有实际应用价值的风险指标。

　　 约翰斯・霍普金斯大学心脏电生理学副教授Jonathan Chrispin指出：“研究结果显示，MAARS模型在识别高危患者方面比现有算法更具准确性，有望从根本上改变临床决策方式。” 这一发现具有重要意义。MAARS模型的引入不仅提升了对高危患者的识别能力，也为临床医生提供了更可靠的依据，有助于提高治疗效率和患者预后。在医疗技术不断进步的背景下，这种基于更精准数据的工具将推动个性化医疗的发展，进一步优化临床实践。

　　 约翰斯・霍普金斯大学团队表示，他们下一步计划扩大该模型的测试范围，并希望将这一算法推广至其他类型的心脏疾病风险评估中，例如心脏结节病和致心律失常性右心室心肌病。这表明研究团队正在积极拓展人工智能在心血管领域的应用边界，有助于提升更多罕见心脏病的早期识别与干预能力。 从长远来看，这种技术的扩展不仅能够提高诊断的精准度，还能为患者提供更个性化的治疗方案。随着算法的不断优化，未来有望在更多临床场景中发挥作用，为心脏病防治带来新的突破。