人工智能利用MRI數據預測心律失常猝死

約翰霍普金斯大學的研究人員(Baltimore, MD, USA)最近開發了一種基於深度學習的算法，能夠利用缺血性心髒瘢痕的對比增強心髒MRI數據和患者的臨床背景預測突發性心律失常死亡。這項研究的結果最近發表在自然心血管研究這標誌著首次使用深度學習算法來預測突發致命心律失常的風險。

根據作者的說法，心律失常引起的心髒性猝死約占全球所有死亡的20%，但風險沒有很好地描述。考慮到這一差距，研究人員訓練了心律失常風險生存研究(SSCAR)，這是一種基於心髒MRI數據的深度學習算法，可以確定與突發和致命心律失常相關的特征，從而預測生存率。具體來說，該算法通過對比增強核磁共振成像(mri)對約翰·霍普金斯醫院156名心肌病患者的心髒疤痕分布進行可視化訓練，以確定十年來帶來風險的特征。研究團隊還利用十年的標準臨床患者數據訓練了第二個神經網絡，包括22個因素，如患者的年齡、體重、種族和處方藥使用情況。這兩種算法被用來通知生存模型，為每個患者創建生存曲線。研究小組發現，SSCAR的預測始終保持著很高的準確性。

然後，SSCAR在來自美國60個健康中心的獨立患者隊列中進行了驗證，這些患者具有不同的心髒病史和不同的成像數據，在這些患者隊列中，SSCAR繼續顯示出高性能。這意味著該平台可以在任何地方實現。該研究團隊計劃在未來將SSCAR的算法應用於其他心髒疾病。