药物安全倡议已经认可人诱导多能干细胞衍生的心肌细胞（hiPSC-CMs）可以作为预测药物诱发心律失常的体外模型。然而，人为定义的体外心律失常特征能在多大程度上预测实际的临床风险，一直饱受争议。美国斯坦福大学研究团队开发了一个深度学习平台，用于评估药物和遗传因素致心律失常的风险，排除人为的偏向性。该研究成果于近日发表在《Cell Stem Cell》杂志上，题为：A deep learning platform to assess drug proarrhythmia risk。

研究人员建立了一个卷积神经网络分类器（CNN）来学习与致命性心律失常有关的hiPSC-CMs体外动作电位的记录特征。CNN准确地预测了药物诱导的人体心律失常风险。利用不同健康捐赠者的hiPSC-CMs测试药物的风险，研究结果相似。进一步应用发现，患者心律失常的致病性突变显著增加了hiPSC-CMs中某些中高风险药物致心律失常的倾向。

研究表明，深度学习可以用于识别与临床心律失常相关的体外心律失常特征，并辨别患者的遗传因素对药物诱发心律失常风险的影响。

论文链接：https://www.cell.com/cell-stem-cell/fulltext/S1934-5909(22)00486-6

注：此研究成果摘自《Cell Stem Cell》期刊原文章，文章内容不代表本网站观点和立场，仅供参考。