AI發(fā)現(xiàn)醫(yī)生看不見的隱藏心臟病風(fēng)險，近90%準(zhǔn)確率遠(yuǎn)超人類專家｜Nature子刊

聞樂 2025-07-07 17:02:30 來源：量子位

聞樂 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

AI現(xiàn)在真能救命！

傳統(tǒng)的心臟MRI（磁共振成像）檢查可能遺漏的關(guān)鍵風(fēng)險信號，現(xiàn)在能夠被AI捕捉了。

登上《Nature》子刊的最新研究——多模態(tài)AI模型MAARS，首次用深度學(xué)習(xí)方法處理原始MRI圖像，實現(xiàn)了對心源性猝死風(fēng)險（SCDA）的高精度預(yù)測，準(zhǔn)確率高達(dá)89%。

這項研究來自約翰霍普金斯大學(xué)。

目前，肥厚型心肌病的臨床診斷準(zhǔn)確率僅50%，這使得醫(yī)生在決定患者是否需要植入除顫器等保護(hù)措施時，常常面臨“擲骰子”般的選擇。

MAARS模型采用3D視覺Transformer架構(gòu)，直接分析LGE-CMR（增強(qiáng)心血管磁共振成像）原始信號強(qiáng)度，避免了人工解讀的主觀性。

該模型能夠從原始MRI圖像中挖掘隱藏的纖維化瘢痕模式。

這些以往被醫(yī)生忽略的細(xì)微結(jié)構(gòu)變化，正是觸發(fā)致命性心律失常的關(guān)鍵信號。

現(xiàn)在，MAARS可以將這些隱藏的病理信息轉(zhuǎn)化為可量化的風(fēng)險指標(biāo)，提前發(fā)現(xiàn)連資深心臟專家都有可能忽略的致命風(fēng)險。

在40歲到60歲人群中診斷準(zhǔn)確率高達(dá)93%

MAARS的核心優(yōu)勢在于通過多模態(tài)數(shù)據(jù)融合與3D-ViT技術(shù)，首次實現(xiàn)對心臟纖維化瘢痕的精準(zhǔn)識別與風(fēng)險預(yù)測。

它能夠解析醫(yī)生無法解讀的原始MRI圖像，精準(zhǔn)捕捉到關(guān)鍵的心臟瘢痕模式，將肥厚型心肌病的診斷率從50%提高到近90%。

甚至在40歲到60歲的人群中，診斷準(zhǔn)確率高達(dá)93%。

MAARS基于Transformer架構(gòu)，包含三個單模態(tài)分支網(wǎng)絡(luò)和一個多模態(tài)融合模塊。

這種設(shè)計使模型能夠從不同數(shù)據(jù)中提取特征，并通過MBT（多模態(tài)融合模塊）學(xué)習(xí)跨模態(tài)的相互作用，有效整合知識，避免了簡單拼接數(shù)據(jù)導(dǎo)致的過擬合問題。

三個分支網(wǎng)絡(luò)分別為LGE-CMR（對比增強(qiáng)心臟磁共振圖像）分支、CIR（心臟成像報告）分支和EHR（電子健康記錄）分支。

LGE-CMR分支使用3D-ViT技術(shù)直接分析原始圖像，保留了掃描中的完整的未處理信息，消除了人工圖像解讀的主觀性。

MAARS的突破性還體現(xiàn)在多模態(tài)醫(yī)療數(shù)據(jù)的深度融合能力。

模型不僅能處理EHR中的40項結(jié)構(gòu)化數(shù)據(jù)（如年齡、家族史、運動耐量測試結(jié)果）；還能解析超聲與CMR報告中的27項專業(yè)指標(biāo)（如左心室射血分?jǐn)?shù)、流出道壓力階差）；通過3D-ViT網(wǎng)絡(luò)直接學(xué)習(xí)LGE-CMR圖像的三維空間特征。

這種跨模態(tài)整合讓模型能夠捕捉到單一數(shù)據(jù)類型無法反映的病理關(guān)聯(lián)。

例如將心電圖異常與心肌纖維化程度結(jié)合分析，形成更全面的風(fēng)險評估體系。

在內(nèi)部驗證中，MAARS的預(yù)測準(zhǔn)確率（AUROC）達(dá)89%，在40-60歲高危人群中更飆升至93%。

較傳統(tǒng)臨床指南（如ACC/AHA、ESC指南）提升了0.27-0.35，改變了HCM風(fēng)險（肥厚型心肌?。┓謱泳炔蛔愕默F(xiàn)狀。

與黑箱AI不同，MAARS具備可解釋性設(shè)計，通過Shapley值分析（量化每個輸入特征對模型預(yù)測結(jié)果的貢獻(xiàn)程度）和注意力機(jī)制可視化，能明確說明為何某患者風(fēng)險高。

例如左心室側(cè)壁纖維化占比超過15%、合并非持續(xù)性室性心動過速等。

在LGE-CMR注意力圖中，高風(fēng)險患者注意力集中在增強(qiáng)區(qū)域（紅色），低風(fēng)險患者關(guān)注周圍組織（藍(lán)色）。

這種透明化分析不僅增強(qiáng)了臨床可信度，還能輔助制定個性化醫(yī)療方案。

例如，如果模型指出患者因某種特定的瘢痕模式而處于高風(fēng)險，醫(yī)生就可以更精確地評估是否需要植入除顫器或或優(yōu)化藥物治療策略等其他干預(yù)措施，而不是僅僅基于一個不明確的風(fēng)險百分比進(jìn)行評估。

研究團(tuán)隊及未來方向

該技術(shù)由約翰霍普金斯大學(xué)Natalia Trayanova教授領(lǐng)銜的團(tuán)隊開發(fā)，她長期致力于將AI應(yīng)用于心臟病學(xué)領(lǐng)域。

2013年，她憑借在計算心臟病學(xué)領(lǐng)域的開創(chuàng)性貢獻(xiàn)，榮獲NIH先鋒獎，這是美國國立衛(wèi)生研究院授予科研創(chuàng)新者的最高榮譽(yù)。

2019年，她入選國際女性科技名人堂（該獎項每年全球僅授予五位杰出女性），同年獲頒心臟節(jié)律學(xué)會杰出科學(xué)家獎。

實際上，她的團(tuán)隊在2022年就曾構(gòu)建了多模態(tài)模型來預(yù)測梗死患者的心臟驟停風(fēng)險。

目前，研究團(tuán)隊正計劃將MAARS算法擴(kuò)展至擴(kuò)張型心肌病、缺血性心臟病等更多病種，推動AI在心血管疾病中的普及。

精準(zhǔn)預(yù)測成為現(xiàn)實，這下，病患和醫(yī)生們懸著的心，終于可以稍微放下點兒了。

論文鏈接：https://www.nature.com/articles/s44161-025-00679-1

參考鏈接：https://www.sciencedaily.com/releases/2025/07/250702214205.htm

— 完 —