近日,上海交通大學醫(yī)學院附屬仁濟醫(yī)院心內科卜軍教授團隊與上海交通大學計算機學院盛斌教授團隊合作,在國際重要綜合性期刊《Science Bulletin》在線發(fā)表原創(chuàng)研究論文。研究團隊依托前瞻性多中心影像大隊列,成功研制出一種基于心臟影像的全新人工智能預后預測系統(tǒng)“DeepSTEMI”,該系統(tǒng)可精準預測急性心肌梗死患者未來發(fā)生心血管事件的風險。通過融合解析多源影像特征,DeepSTEMI系統(tǒng)實現(xiàn)了自動化、智能化的風險分層,為急性心梗患者的精準管理提供了新的技術工具。

急性心肌梗死是致使全球心血管疾病患者死亡與致殘的重要病因。盡管當下治療手段持續(xù)進步,但仍有相當多患者會出現(xiàn)再次心梗、心力衰竭,甚至死亡的情況。目前臨床上應用的風險評分和人工測量影像指標,難以精準、全面地反映心肌損傷的實際程度,也無法準確識別出未來真正處于高風險的患者。
據(jù)悉,DeepSTEMI是首個面向急性心肌梗死患者預后風險的全流程自動化的多模態(tài)深度學習系統(tǒng)。該系統(tǒng)提出了具有可解釋性的U-Net與Transformer協(xié)同網絡結構,完成多序列心臟磁共振區(qū)域提取,對多模態(tài)心臟磁共振序列和臨床變量進行聯(lián)合建模;同時創(chuàng)新性地引入層級特征融合模塊與缺失模態(tài)生成模塊,實現(xiàn)跨模態(tài)信息高效融合與模態(tài)缺失情況下的穩(wěn)健預測。該系統(tǒng)整合了多中心真實世界數(shù)據(jù),累計分析超過3萬張磁共振圖像,為DeepSTEMI模型的泛化能力提供了堅實的真實世界證據(jù),能為急性心肌梗死患者提供更精準的遠期風險預測。
據(jù)介紹,DeepSTEMI系統(tǒng)實現(xiàn)了基于磁共振影像的心血管不良事件預測的全過程智能化分析,為急性心梗患者的風險評估提供了更精準、更高效的解決方案。它克服了傳統(tǒng)影像量化依賴人工、臨床評分指標局限等難題,能夠從復雜影像中識別被忽視的風險信號,大幅提升對未來事件的預測能力。
在多中心外部驗證中,DeepSTEMI的預測能力顯著優(yōu)于現(xiàn)行臨床評分方法和傳統(tǒng)影像指標,能夠清晰區(qū)分高危與低危患者,特別是在風險分層中,該系統(tǒng)能夠更早、更精準地識別可能出現(xiàn)不良事件的患者,其風險提示能力遠超傳統(tǒng)模型,有助于實現(xiàn)急性心梗高危患者的早發(fā)現(xiàn)、早干預,具有更高的臨床應用價值。同時,DeepSTEMI在不同醫(yī)院、不同類型磁共振掃描設備上均保持非常穩(wěn)健的表現(xiàn),顯示出良好的跨中心、跨設備泛化能力,具備在臨床推廣應用的堅實基礎。
為增強模型的透明度和臨床可解釋性,團隊還采用多種方法解析系統(tǒng)的“決策依據(jù)”。結果顯示,DeepSTEMI能夠識別出心肌損傷范圍、功能受損區(qū)域等關鍵部位,并通過可視化展示相關信息,幫助醫(yī)生理解模型。
據(jù)悉,未來,研究團隊計劃構建更大規(guī)模的心血管影像AI模型,助力構建“AI+影像+臨床”一體化的心血管疾病管理新模式。
友情鏈接: 政府 高新園區(qū)合作媒體
Copyright 1999-2025 中國高新網chinahightech.com All Rights Reserved.京ICP備14033264號-5
電信與信息服務業(yè)務經營許可證060344號主辦單位:《中國高新技術產業(yè)導報》社有限責任公司