AI 现在真能救命！
传统的心脏 MRI（磁共振成像）检查可能遗漏的关键风险信号，现在能够被 AI 捕捉了。
目前，肥厚型心肌病的临床诊断准确率仅 50%，这使得医生在决定患者是否需要植入除颤器等保护措施时，常常面临 " 掷骰子 " 般的选择。
该模型能够从原始 MRI 图像中挖掘隐藏的纤维化瘢痕模式。
这些以往被医生忽略的细微结构变化，正是触发致命性心律失常的关键信号。
现在，MAARS 可以将这些隐藏的病理信息转化为可量化的风险指标，提前发现连资深心脏专家都有可能忽略的致命风险。
在 40 岁到 60 岁人群中诊断准确率高达 93%
MAARS 的核心优势在于通过多模态数据融合与3D-ViT技术，首次实现对心脏纤维化瘢痕的精准识别与风险预测。
它能够解析医生无法解读的原始 MRI 图像，精准捕捉到关键的心脏瘢痕模式，将肥厚型心肌病的诊断率从 50% 提高到近 90%。
甚至在40 岁到 60 岁的人群中，诊断准确率高达93%。
这种设计使模型能够从不同数据中提取特征，并通过 MBT（多模态融合模块）学习跨模态的相互作用，有效整合知识，避免了简单拼接数据导致的过拟合问题。
三个分支网络分别为 LGE-CMR（对比增强心脏磁共振图像）分支、CIR（心脏成像报告）分支和 EHR（电子健康记录）分支。
LGE-CMR 分支使用 3D-ViT 技术直接分析原始图像，保留了扫描中的完整的未处理信息，消除了人工图像解读的主观性。
模型不仅能处理 EHR 中的 40 项结构化数据（如年龄、家族史、运动耐量测试结果）；还能解析超声与 CMR 报告中的 27 项专业指标（如左心室射血分数、流出道压力阶差）；通过 3D-ViT 网络直接学习 LGE-CMR 图像的三维空间特征。
这种跨模态整合让模型能够捕捉到单一数据类型无法反映的病理关联。
例如将心电图异常与心肌纤维化程度结合分析，形成更全面的风险评估体系。
在内部验证中，MAARS 的预测准确率（AUROC）达 89%，在 40-60 岁高危人群中更飙升至 93%。
较传统临床指南（如 ACC/AHA、ESC 指南）提升了 0.27-0.35，改变了 HCM 风险（肥厚型心肌病）分层精度不足的现状。
例如左心室侧壁纤维化占比超过 15%、合并非持续性室性心动过速等。
例如，如果模型指出患者因某种特定的瘢痕模式而处于高风险，医生就可以更精确地评估是否需要植入除颤器或或优化药物治疗策略等其他干预措施，而不是仅仅基于一个不明确的风险百分比进行评估。
研究团队及未来方向
该技术由约翰霍普金斯大学 Natalia Trayanova 教授领衔的团队开发，她长期致力于将 AI 应用于心脏病学领域。
2013 年，她凭借在计算心脏病学领域的开创性贡献，荣获 NIH 先锋奖，这是美国国立卫生研究院授予科研创新者的最高荣誉。
2019 年，她入选国际女性科技名人堂（该奖项每年全球仅授予五位杰出女性），同年获颁心脏节律学会杰出科学家奖。
目前，研究团队正计划将 MAARS 算法扩展至扩张型心肌病、缺血性心脏病等更多病种，推动 AI 在心血管疾病中的普及。
精准预测成为现实，这下，病患和医生们悬着的心，终于可以稍微放下点儿了。
论文链接：https://www.nature.com/articles/s44161-025-00679-1
参考链接：https://www.sciencedaily.com/releases/2025/07/250702214205.htm
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
专属 AI 产品从业者的实名社群，只聊 AI 产品最落地的真问题 扫码添加小助手，发送「姓名 + 公司 + 职位」申请入群～
进群后，你将直接获得：
最新最专业的 AI 产品信息及分析
不定期发放的热门产品内测码
内部专属内容与专业讨论
点亮星标
科技前沿进展每日见
