• Специализация
    Выберите специализацию:
  • Новости
  • Мероприятия
  • Образование
  • Видео
  • Научные материалы
  • Наша команда

ИИ против врачей в прогнозировании внезапной сердечной смерти при гипертрофической кардиомиопатии (ГКМП)

13.08.2025
5

Суть исследования

Мультимодальная модель ИИ MAARS (Nature Cardiovascular Research, 2 июля 2024) предсказывает риск внезапной сердечной смерти (ВСС) у пациентов с гипертрофической кардиомиопатией (ГКМП) с точностью до 93% — вдвое выше, чем современные клинические рекомендации (AHA/ACC, ESC).

Ключевые данные:

  • Точность модели: 89% для всех пациентов, 93% для возрастной группы 40-60 лет (наибольший риск ВСС).
  • Сравнение: Традиционные рекомендации выявляют лишь ~50% случаев.
  • Тестирование: Обучение на 553 пациентах (Johns Hopkins), валидация на 286 пациентах (Sanger Institute).

Как работает MAARS?

Анализирует мультимодальные данные:

  • Электронные медкарты + ЭКГ
  • Заключения радиологов
  • Контрастные МРТ сердца (выявляет фиброзные изменения, недоступные визуальной оценке)

Клинические преимущества:

  • Снижение числа необоснованных имплантаций ИКД (риск инфекций, неадекватных разрядов).
  • Персонализация терапии: модель определяет ключевые параметры для коррекции у конкретного пациента.

Ограничения:

  • Требуется валидация в многоцентровых исследованиях с участием разнородных популяций.
  • Необходима стандартизация сбора данных и интеграция в клинические workflow.

Экспертное мнение:

«MAARS — прорыв в стратификации риска, но до рутинного применения нужны дополнительные исследования» — Антонис Армундас, Массачусетская больница

Перспективы: Модель может стать частью новых клинических рекомендаций по ведению ГКМП.

Статья переведена и адаптирована Красняк И.В. (команда Доквей).

Источник

Уважаемые коллеги! Мы проделываем для Вас большую работу по поиску и переводу интересных статей, на это уходит много времени и сил. К сожалению, другие медицинские порталы публикуют наши материалы без указания авторства, поэтому мы скрыли ссылку на источник из публичного доступа.

Если вам необходима информация об источнике, то сделайте запрос на почту: peel@uroweb.ru