上海交通大学医学院附属仁济医院教授卜军团队与上海交通大学教授盛斌团队，依托前瞻性多中心影像大队列（NCT03768453），研制出人工智能（AI）预后预测系统DeepSTEMI，通过融合解析多源影像特征，实现了自动化、智能化的风险分层，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，为急性心梗患者的精准管理提供了新的技术工具。11月17日，相关研究成果发表于《科学通报（英文）》。

急性心肌梗死是导致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。心脏磁共振是评估心肌梗死的“金标准”影像工具，但依赖人工阅片和手工量化，流程繁杂、主观性强且难以实现标准化，限制了其在临床实践中预后评估的真正落地和推广应用。

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。研究团队整合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，也为急性心肌梗死患者提供更精准的远期心血管事件风险预测和智能化风险分层。

DeepSTEMI系统。图片由上海交通大学医学院附属仁济医院提供

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。在风险分层中，该系统能够更早、更精准地识别未来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。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。

为增强模型的透明度和临床可解释性，研究团队采用多种方法解析系统的“决策依据”。结果显示，DeepSTEMI的预测重点与心肌梗死的病理特征高度一致，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，帮助医生理解模型判断。值得一提的是，为方便临床医生直接查看，研究团队开发了配套的可视化软件界面。

研究团队表示，未来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。

相关论文信息：https://doi.org/10.1016/j.scib.2025.11.027