大模型之家讯 近日，美国约翰斯·霍普金斯大学联合研究团队近日在《自然-心血管研究》杂志发表成果，推出多模态AI室性心律失常风险分层系统（MAARS）。该系统通过整合患者心脏增强磁共振成像（MRI）数据及多维度医疗信息，可挖掘传统方法未识别的心脏健康风险信号，显著提升心源性猝死风险预测准确性。研究显示，该AI模型能有效辅助临床决策，既有助于高危人群的早期干预，又能减少对低风险患者的过度医疗行为，为心血管疾病预防提供新工具。
大模型之家讯 近日，美国约翰斯·霍普金斯大学联合研究团队近日在《自然-心血管研究》杂志发表成果，推出多模态AI室性心律失常风险分层系统（MAARS）。该系统通过整合患者心脏增强磁共振成像（MRI）数据及多维度医疗信息，可挖掘传统方法未识别的心脏健康风险信号，显著提升心源性猝死风险预测准确性。研究显示，该AI模型能有效辅助临床决策，既有助于高危人群的早期干预，又能减少对低风险患者的过度医疗行为，为心血管疾病预防提供新工具。