AI发现医生看不见的隐藏心脏病风险，近90%准确率远超人类专家｜Nature子刊

主要观点总结

约翰霍普金斯大学的研究团队开发出多模态AI模型MAARS，该模型利用深度学习方法处理原始MRI图像，能够高精度预测心源性猝死风险，准确率达89%。特别是在肥厚型心肌病的诊断上，准确率高达93%。它通过分析原始MRI图像挖掘隐藏的纤维化瘢痕模式来发现致命风险。MAARS的核心优势在于多模态数据融合与精准识别心脏纤维化瘢痕的能力。研究团队计划将MAARS算法扩展至更多病种。

关键观点总结

关键观点1: 多模态AI模型MAARS的开发与应用

约翰霍普金斯大学的研究团队开发出多模态AI模型MAARS，该模型能够处理原始MRI图像，实现心源性猝死风险的高精度预测。

关键观点2: MAARS的高准确率表现

在肥厚型心肌病的诊断上，MAARS的准确率高达93%，尤其在40岁到60岁人群中表现更优秀。

关键观点3: MAARS的技术特点与优势

MAARS采用3D视觉Transformer架构，直接分析原始MRI信号强度，避免了人工解读的主观性。它能够从原始图像中挖掘隐藏的纤维化瘢痕模式，精准预测心脏瘢痕模式及风险。

关键观点4: MAARS的多模态数据融合能力

MAARS具备多模态医疗数据的深度融合能力，能够处理不同数据并有效整合知识，提高了预测准确率。

关键观点5: 研究团队及未来计划

该技术由约翰霍普金斯大学的Natalia Trayanova教授领衔的团队开发。目前，研究团队正计划将MAARS算法扩展至更多病种，推动AI在心血管疾病中的普及。

免责声明