Исследователи из Университета Джонса Хопкинса разработали новую модель искусственного интеллекта, которая значительно улучшает прогнозирование внезапной сердечной смерти. Эта инновационная технология способна повысить точность выявления пациентов с высоким риском.

Система, получившая название мультимодальный искусственный интеллект для стратификации риска желудочковой аритмии (MAARS), сочетает в себе данные МРТ сердца с обширными медицинскими картами пациентов, что позволяет выявлять скрытые предупреждающие знаки и улучшает общий уровень прогнозирования сердечно-сосудистых рисков.

Недавно опубликованное исследование в журнале Nature Cardiovascular Research сосредоточено на гипертрофической кардиомиопатии, которая является одной из основных причин внезапной сердечной смерти у молодых людей и распространенным наследственным заболеванием сердца.

Старший автор Наталья Траянова, занимающаяся внедрением искусственного интеллекта в кардиологию, отметила, что многие пациенты умирают в молодом возрасте из-за недостатка защиты, в то время как другие безрезультатно применяют дефибрилляторы на протяжении всей жизни. Модель MAARS может с высокой точностью определить, подвержен ли пациент внезапной сердечной смерти.

Клинические рекомендации, действующие в США и Европе, имеют только 50-процентную точность в определении группы риска, тогда как модель MAARS демонстрирует общую точность 89 процентов. У пациентов в возрасте от 40 до 60 лет, представляющих собой группу наибольшего риска, точность достигает 93 процентов.

ИИ-модель анализирует МРТ с контрастированием на наличие рубцов на сердце, которые традиционно сложно интерпретировать врачам. Используя методы глубокого обучения, модель выявляет ключевые предикторы внезапной сердечной смерти.

Соавтор Джонатан Криспин, кардиолог Джонса Хопкинса, подчеркивает, что данное исследование показывают, что модель искусственного интеллекта значительно расширяет возможности идентификации пациентов с высоким риском по сравнению с существующими алгоритмами, что может изменить подходы в клинической практике.

Команда планирует дальнейшие тесты модели на более широкой популяции пациентов и иметь возможность расширить использование алгоритма для других сердечных заболеваний, включая саркоидоз сердца и аритмогенную кардиомиопатию правого желудочка.