科技日报记者 王春
近日，上海交通大学医学院附属仁济医院心内科卜军教授团队与上海交通大学计算机学院盛斌教授团队合作，在国际重要综合性期刊《Science Bulletin》在线发表原创研究论文。研究团队依托前瞻性多中心影像大队列，成功研制出一种基于心脏影像的全新人工智能预后预测系统“DeepSTEMI”，该系统可精准预测急性心肌梗死患者未来发生心血管事件的风险。通过融合解析多源影像特征，DeepSTEMI系统实现了自动化、智能化的风险分层，为急性心梗患者的精准管理提供了新的技术工具。
急性心肌梗死是致使全球心血管疾病患者死亡与致残的重要病因。尽管当下治疗手段持续进步，但仍有相当多患者会出现再次心梗、心力衰竭，甚至死亡的情况。目前临床上应用的风险评分和人工测量影像指标，难以精准、全面地反映心肌损伤的实际程度，也无法准确识别出未来真正处于高风险的患者。
据悉，DeepSTEMI是首个面向急性心肌梗死患者预后风险的全流程自动化的多模态深度学习系统。该系统提出了具有可解释性的U-Net与Transformer协同网络结构，完成多序列心脏磁共振区域提取，对多模态心脏磁共振序列和临床变量进行联合建模；同时创新性地引入层级特征融合模块与缺失模态生成模块，实现跨模态信息高效融合与模态缺失情况下的稳健预测。该系统整合了多中心真实世界数据，累计分析超过3万张磁共振图像，为DeepSTEMI模型的泛化能力提供了坚实的真实世界证据，能为急性心肌梗死患者提供更精准的远期风险预测。
据介绍，DeepSTEMI系统实现了基于磁共振影像的心血管不良事件预测的全过程智能化分析，为急性心梗患者的风险评估提供了更精准、更高效的解决方案。它克服了传统影像量化依赖人工、临床评分指标局限等难题，能够从复杂影像中识别被忽视的风险信号，大幅提升对未来事件的预测能力。
在多中心外部验证中，DeepSTEMI的预测能力显著优于现行临床评分方法和传统影像指标，能够清晰区分高危与低危患者，特别是在风险分层中，该系统能够更早、更精准地识别可能出现不良事件的患者，其风险提示能力远超传统模型，有助于实现急性心梗高危患者的早发现、早干预，具有更高的临床应用价值。同时，DeepSTEMI在不同医院、不同类型磁共振扫描设备上均保持非常稳健的表现，显示出良好的跨中心、跨设备泛化能力，具备在临床推广应用的坚实基础。
为增强模型的透明度和临床可解释性，团队还采用多种方法解析系统的“决策依据”。结果显示，DeepSTEMI能够识别出心肌损伤范围、功能受损区域等关键部位，并通过可视化展示相关信息，帮助医生理解模型。
据悉，未来，研究团队计划构建更大规模的心血管影像AI模型，助力构建“AI+影像+临床”一体化的心血管疾病管理新模式。
网友评论
