美国约翰斯・霍普金斯大学开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，明显优于现行的临床指南。这一研究结果已在最新一期的这款名为 MAARS 的 AI 系统结合了心脏 MRI 图像与广泛的健康记录数据，能发现以往难以察觉的预警信号，使心血管风险预测达到更高的准确度。

　　研究聚焦于约翰斯・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[*]，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该模型通过分析对比增强型 MRI 扫描中的心脏瘢痕图样，识别出突发性心脏骤停的关键征兆。过去这类图像信息较难为医生准确解读，如今借助深度学习，得以转化为可操作的风险指标。

　　约翰斯・霍普金斯大学心脏电生理学副教授Jonathan Chrispin 表示：“研究结果显示，MAARS 模型比现有算法更能准确识别高危患者，有潜力从根本上改变临床决策方式。”

　　约翰斯・霍普金斯大学团队还计划扩大模型的测试范围，并将该算法推广至其他类型的心脏疾病风险评估，包括心脏结节病和致心律失常性右心室心肌病。