撰文丨王聰

編輯丨王多魚

排版丨水成文

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，也是一個重大的公共衛生問題。在北美和歐洲，SCD 在普通人群中的年發病率為每 10 萬人中有 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作，且在預防性植入時，可降低心律失常導致的心源性猝死（SCDA）高危患者的死亡率。

目前用于 SCDA 風險分層的范式——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，它也無法提供全面的風險評估，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·霍普金斯大學的研究人員在 Nature 子刊Nature Cardiovascular Research上發表了題為： Multimodal AI to forecast arrhythmic death in hypertrophic cardiomyopathy 的研究論文。

該研究開發了一種多模態 AI 模型——MAARS（Multimodal Artificial intelligence for ventricular Arrhythmia Risk Stratification，用于室性心律失常風險分層的多模態人工智能），通過分析多模態醫療數據來預測肥厚型心肌病（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險分層的多模態人工智能），通過分析多模態醫療數據來預測肥厚型心肌病（HCM）患者的致命性心律失常事件。

MAARS 的基于 Transformer 的神經網絡從電子健康記錄、超聲心動圖和放射學報告以及對比增強的心臟磁共振圖像中學習，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下面積（AUC）分別為 0.89 和 0.81，其表現顯著優于當前臨床指南的 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 在各個人口亞群體之間體現了公平性。研究團隊從多個層面解釋了 MAARS 的預測，以促進 AI 的透明度，并找出需要進一步調查的風險因素。

總的來說，MAARS 是一款功能強大且值得信賴的臨床決策支持工具，用于肥厚型心肌病（HCM）患者發生心律失常導致的心源性猝死（SCDA）的風險分層，它是采用最先進的多模態人工智能（multimodal AI）技術開發而成的。該研究證實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病（HCM）患者的臨床決策和醫療護理，要么通過未來與自動化數據提取系統的整合直接實現，要么間接地作為多模態人工智能在提升個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