急性心梗患者未來心血管事件風險可更精準預測！上海醫工交叉團隊研發新AI

自主開發基於心肌影像的急性心肌梗死預後人工智能預測系統（DeepSTEMI）

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，當下，治療手段持續進步，但仍有相當多的患者會出現再次心梗、心力衰竭甚至死亡的情況。近日，上海交通大學醫學院附屬仁濟醫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醫工交叉聯合，研發全新人工智能系統，可預測急性心梗患者未來心血管事件風險。

研究團隊依託前瞻性多中心影像大隊列，研製出一種基於心臟影像的人工智能預後預測系統，命名爲DeepSTEMI。該系統通過融合解析多源影像特徵，實現自動化、智能化的風險分層，爲急性心梗患者的精準管理提供了新的技術工具。相關研究成果在《科學通報》（Science Bulletin）在線發表。

對已發生急性心肌梗死的患者，目前，臨牀上主要依據風險評分，或依靠人工測量影像及檢查指標預測他們的未來心血管風險事件。不過，這些方式難以精準反映心肌損傷的實際程度，也無法準確識別出未來真正處於高風險的患者。

DeepSTEMI是首個面向急性心肌梗死患者預後風險的全流程自動化的多模態深度學習系統。該系統通過完成多序列心臟磁共振區域提取，對多模態心臟磁共振序列和臨牀變量進行聯合建模，形成真正意義上的多模態一體化分析流程。

該研究整合多中心真實世界數據，累計分析超3萬張磁共振圖像，爲DeepSTEMI模型的泛化能力提供堅實的真實世界證據；爲急性心肌梗死患者提供更精準的遠期心血管事件風險預測和智能風險分層，展示了AI賦能心血管精準醫學的強大潛力。

在多中心外部驗證中，DeepSTEMI的預測能力顯著優於現行臨牀評分方法和傳統影像指標，能清晰區分高危與低危患者，特別是在風險分層中，該系統能更早、更精準地識別未來可能出現不良事件的患者，有助於實現急性心梗高危患者的早發現、早干預，改善不良結局，具有更高的臨牀應用價值。

未來，研究團隊計劃構建更大規模的心血管影像AI模型，助力構建“AI+影像+臨牀”一體化的心血管疾病管理新模式。

上海交通大學醫學院附屬仁濟醫院卜軍教授爲論文最後通訊作者，心內科主任、主任醫師姜萌和上海交通大學計算機學院盛斌教授爲論文共同通訊作者，仁濟醫院心內科陳一凡、夏朝、趙航爲論文第一作者。