药物临床试验中的安全性评估挑战 - 传统影像学工具如心脏磁共振成像(CMR)存在空间分辨率不足、定量指标单一和缺乏组织特异性的局限性，导致早期漏检亚临床心脏毒性或细微功能变化[1] - 高危受试者可能被误判为低风险，使研究团队低估药物心脏毒性，影响获益-风险比评估、方案修订和开发决策[1] AI在心血管疾病风险评估中的应用 - 约翰·霍普金斯大学研究团队开发多模态AI模型MAARS，用于肥厚型心肌病(HCM)患者心源性猝死(SCDA)风险分层[2][3] - MAARS模型在不同患者群体中表现优异，显著优于现有临床指南，可整合至临床流程提升个性化诊疗水平[3] - 当前临床实践中肥厚型心肌病诊断准确率仅50%左右，导致预防性治疗决策困难[2] 独立影像评估(IRC)的智能化升级 - AI技术如MAARS模型提升心脏超声评估预测准确性，助力第三方影像评估效率与精度[4] - 太美智研医药搭建领先的独立评估服务体系，涵盖ECG、CT、MRI、OCT、超声等多种模态[4] - 公司核心优势包括标准化数字化运营、统一SOP体系、优质专家资源库和严格合规性保障[5][6][7][8] 智能数据采集提升临床试验效率 - MAARS模型基于Transformer架构，具备多模态医疗数据深度融合能力[9] - 太美智研医药推出TrialCAT智能数据采集系统，通过OCR+AI双擎驱动减少人工干预，数据采集时间压缩至分钟级[9] - 系统支持文本、图片、视频、患者自报信息及可穿戴设备等多模态数据采集，确保数据隐私安全[9]