近日，美国约翰斯·霍普金斯大学的研究人员开发出一款名为“多模态AI室性心律失常风险分层系统（MAARS）”的多模态AI模型，通过分析患者的心脏增强磁共振成像（MRI）及各种医疗数据，挖掘出此前未被识别的重要心脏健康信息，从而准确预测由室性心律失常导致的心源性猝死风险。

据了解，这项研究聚焦一种常见遗传性心脏病——肥厚型心肌病。这种病是年轻人及运动员心源性猝死的主要原因之一。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。测试显示，该AI模型对高风险人群的风险区分能力为89%，在40至60岁人群中可达93%。

点评：这种突破传统诊疗局限，以多模态分析提升疑难病风险识别精度的医疗大模型，不仅为疾病防控提供智能工具，更有望推动医疗从经验决策迈向数据驱动。