科学家建立的新AI模型，识别风险最大的心脏病患者比医生要好得多

约翰霍普金斯大学的研究人员成功开发出一种先进的人工智能（AI）模型，能够以接近90%的惊人准确率，预测特定心脏病患者未来发生致命性心律失常的风险。这一精准度，远超当前临床实践中准确率仅约50%、被科学家形容为“不比投掷硬币好多少”的传统评估方法。这项名为MAARS的AI系统，其核心突破在于首次运用深度学习技术，从未被充分利用的心脏磁共振成像（MRI）扫描中，解读出人类医生肉眼无法识别的、预示着高风险的心肌疤痕“隐藏指纹”。这项发表于《自然-心血管研究》的重大进展，有望彻底改变一种常见遗传性心脏病的临床护理模式，在未来拯救无数生命的同时，也让大量患者免于接受不必要的、昂贵的植入式除颤器手术。

此次研究聚焦于肥厚型心肌病（HCM），这是全球最常见的遗传性心脏病之一，每200至500人中就约有一人受其影响，同时也是导致年轻人和运动员发生心源性猝死的主要原因。对于HCM患者而言，他们面临着一个残酷的“俄罗斯轮盘赌”：大多数患者可以正常生活，但其中一小部分人，其发生心源性猝死的风险会急剧升高。然而，在AI出现之前，临床医生几乎无法准确地从人群中甄别出这部分高危个体。领导这项研究的约翰霍普金斯大学心脏病学人工智能专家娜塔莉亚·特拉亚诺娃（Natalia Trayanova）指出，目前欧美医生们所依赖的临床指南，在预测高危患者方面的成功率仅为50%左右。这种不确定性，导致了两种悲剧性的结果：“一些处于壮年的患者因为没有得到应有的保护而突然离世，而另一些患者则终生忍受着植入式除颤器带来的困扰，却从未从中获益。”

MAARS模型的出现，旨在终结这种“投硬币式”的决策困境。其全称为“用于心室性心律失常风险分层的多模态AI”（Multimodal AI for ventricular Arrhythmia Risk Stratification），它通过整合分析患者完整的医疗记录以及各类临床数据，更重要的是，它首次深度挖掘了对比增强心脏MRI图像中蕴含的全部信息。在HCM患者的心脏中，会形成纤维化组织，即疤痕，正是这些疤痕的存在，增加了心源性猝死的风险。虽然医生们长期以来都能通过MRI看到疤痕的存在，但他们一直无法从这些原始图像中，解读出疤痕的复杂模式与具体风险之间的精确关联。“人们过去并未对这些图像使用深度学习，”特拉亚노娃说，“我们则能够从图像中提取出这些通常不会被考虑的隐藏信息。”

MAARS通过在大量数据上进行训练，学会了识别那些预示着致命风险的、极其细微的疤痕“指纹”。为了验证其有效性，研究团队在美国约翰霍普金斯医院和心房健康桑格心脏与血管研究所的真实患者数据上，对模型进行了回溯性测试。结果令人振奋：与准确率约为一半的传统临床指南相比，MAARS模型在所有患者群体中的总体准确率达到了89%。尤为关键的是，在40至60岁这一心源性猝死风险最高的年龄组中，其准确率更是高达93%。此外，该模型并非一个无法解释的“黑箱”，它能够向医生清晰地阐述其做出高风险判断的依据，从而帮助医生为患者量身定制更具针对性的医疗方案。

“我们的研究表明，与我们当前的算法相比，AI模型显著增强了我们预测最高风险人群的能力，因此有能力改变临床护理，”该研究的合著者、约翰霍普金斯大学心脏病专家乔纳森·克里斯平（Jonathan Crispin）表示。从临床应用的角度看，这意味着未来医生在决定是否为患者植入心脏除颤器（ICD）这一重大决策时，将拥有一个远比以往可靠的科学依据。对于那些被AI精准识别为高危的患者，及时的ICD植入将成为一道坚实的生命防线；而对于被判断为低风险的患者，则可以安心地免于承受一场不必要的手术及其可能带来的并发症。

特拉亚노娃的团队计划在更多患者群体中进一步测试和验证MAARS模型，并致力于将这一强大的算法扩展到其他类型的心脏疾病中，例如心脏结节病和致心律失常性右室心肌病等。这并非该团队首次在心脏病学领域取得AI应用的突破，他们在2022年就曾创建过一个用于预测梗塞后患者生存率的AI模型。MAARS的成功，再次证明了AI正从一个单纯的数据分析工具，进化为医生的“超级诊断伙伴”，它能够“看见”人类专家所不能见，引领预防医学进入一个更精准、更个性化的新纪元。