由室性心律失常導致的心源性猝死（SCD）是全球范圍內的主要死亡原因之一。肥厚型心肌病（HCM）患者的心律失常死亡預后評估頗具挑戰性，目前的臨床指南在這一人群中表現出較低的性能和不一致的準確性。
心源性猝死（SCD）是全球范圍內導致死亡的主要原因之一，也是一個(gè)重大的公共衛生問(wèn)題。在北美和歐洲，SCD 在普通人群中的年發(fā)病率為每 10 萬(wàn)人中有 50-100 例。室性心律失常是心源性猝死的主要潛在機制。植入式心臟復律除顫器（ICD）能夠有效終止心律失常發(fā)作，且在預防性植入時(shí)，可降低心律失常導致的心源性猝死（SCDA）高?；颊叩乃劳雎?。
目前用于 SCDA 風(fēng)險分層的范式——左心室射血分數（LVEF）低于 30%-35%，主要適用于缺血性和擴張型心肌病患者。但即使在這些人群中，它也無(wú)法提供全面的風(fēng)險評估，許多植入了 ICD 的患者也并未從該療法中獲得任何有意義的健康益處。
2025 年 7 月 2 日，約翰·霍普金斯大學(xué)的研究人員在 Nature 子刊Nature Cardiovascular Research上發(fā)表了題為：Multimodal AI to forecast arrhythmic death in hypertrophic cardiomyopathy的研究論文。
該研究開(kāi)發(fā)了一種多模態(tài) AI 模型——MAARS（Multimodal Artificial intelligence for ventricular Arrhythmia Risk Stratification，用于室性心律失常風(fēng)險分層的多模態(tài)人工智能），通過(guò)分析多模態(tài)醫療數據來(lái)預測肥厚型心肌病（HCM）患者的室性心律失常死亡。
在這項最新研究中，研究團隊提出了一種 AI 模型——MAARS（Multimodal Artificial intelligence for ventricular Arrhythmia Risk Stratification，用于室性心律失常風(fēng)險分層的多模態(tài)人工智能），通過(guò)分析多模態(tài)醫療數據來(lái)預測肥厚型心肌?。℉CM）患者的致命性心律失常事件。
MAARS 的基于 Transformer的神經(jīng)網(wǎng)絡(luò )從電子健康記錄、超聲心動(dòng)圖和放射學(xué)報告以及對比增強的心臟磁共振圖像中學(xué)習，后者是該模型的獨特之處。
MAARS 在內部隊列和外部隊列中的曲線(xiàn)下面積（AUC）分別為 0.89 和 0.81，其表現顯著(zhù)優(yōu)于當前臨床指南的 0.27-0.35（內部隊列）和 0.22-0.30（外部隊列）。與臨床指南不同，MAARS?在各個(gè)人口亞群體之間體現了公平性。研究團隊從多個(gè)層面解釋了 MAARS 的預測，以促進(jìn) AI 的透明度，并找出需要進(jìn)一步調查的風(fēng)險因素。
總的來(lái)說(shuō)，MAARS 是一款功能強大且值得信賴(lài)的臨床決策支持工具，用于肥厚型心肌?。℉CM）患者發(fā)生心律失常導致的心源性猝死（SCDA）的風(fēng)險分層，它是采用最先進(jìn)的多模態(tài)人工智能（multimodal AI）技術(shù)開(kāi)發(fā)而成的。該研究證實(shí)了其具有強大的性能、公平性和通用性，并為預測提供了解釋。MAARS 有可能極大地改善肥厚型心肌?。℉CM）患者的臨床決策和醫療護理，要么通過(guò)未來(lái)與自動(dòng)化數據提取系統的整合直接實(shí)現，要么間接地作為多模態(tài)人工智能在提升個(gè)性化患者護理方面強大能力的寶貴概念驗證。
論文鏈接：https://www.nature.com/articles/s44161-025-00679-1
合作咨詢(xún)
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權所有（保留一切權利）
滬ICP備05034851號-57
