medRxiv 2026年9月14日该研究构建了 CARDIAC-FM，一个通过自监督表征学习与跨模态对比对齐整合 12 导联心电图与心脏磁共振的多模态基础模型，在 UK Biobank 的 57,609 例配对样本上预训练，提升了房颤与心衰的预测表现，并在心血管健康研究（CHS）与多种族动脉粥样硬化研究（MESA）两个外部队列中实现零样本泛化，同时可迁移至心脏磁共振表型预测、时间到事件建模及心肌梗死、缺血性卒中、心血管死亡与全因死亡等额外结局。该研究构建了 CARDIAC-FM，一个通过自监督表征学习与跨模态对比对齐整合 12 导联心电图与心脏磁共振的多模态基础模型，在 UK Biobank 的 57,609 例配对样本上预训练，提升了房颤与心衰的预测表现，并在心血管健康研究（CHS）与多种族动脉粥样硬化研究（MESA）两个外部队列中实现零样本泛化，同时可迁移至心脏磁共振表型预测、时间到事件建模及心肌梗死、缺血性卒中、心血管死亡与全因死亡等额外结局。CARDIAC-FM：整合心电图与心脏磁共振的可泛化多模态基础模型该研究构建了 CARDIAC-FM，一个通过自监督表征学习与跨模态对比对齐整合 12 导联心电图与心脏磁共振的多模态基础模型，在 UK Biobank 的 57,609 例配对样本上预训练，提升了房颤与心衰的预测表现，并在心血管健康研究（CHS）与多种族动脉粥样硬化研究（MESA）两个外部队列中实现零样本泛化，同时可迁移至心脏磁共振表型预测、时间到事件建模及心肌梗死、缺血性卒中、心血管死亡与全因死亡等额外结局。该研究构建了 CARDIAC-FM，一个通过自监督表征学习与跨模态对比对齐整合 12 导联心电图与心脏磁共振的多模态基础模型，在 UK Biobank 的 57,609 例配对样本上预训练，提升了房颤与心衰的预测表现，并在心血管健康研究（CHS）与多种族动脉粥样硬化研究（MESA）两个外部队列中实现零样本泛化，同时可迁移至心脏磁共振表型预测、时间到事件建模及心肌梗死、缺血性卒中、心血管死亡与全因死亡等额外结局。