从整段动作电位识别药物影响
人源诱导多能干细胞（induced pluripotent stem cells，iPSC）衍生心肌细胞可用于观察药物对电活动的影响，但传统分析常依赖动作电位时长、搏动频率或人工判断异常波形。2022 年首次在线发表的 Cell Stem Cell 研究提出，让深度学习模型从整段动作电位中学习与已知药物风险有关的特征。
斯坦福大学（Stanford University）团队采用卷积神经网络（convolutional neural network，CNN），比较细胞电压波形。研究目标是把复杂波形转成连续概率，再与药物暴露参照对应，以便比较风险程度和不同遗传背景。
训练标签来自已知药物与暴露规则
研究使用 8 个 iPSC 细胞系，其中 3 个来自健康供者，另外 5 个在同一遗传背景下携带心肌病相关变异。药物库包含综合体外致心律失常评价（Comprehensive in vitro Proarrhythmia Assay，CiPA）提出的 28 种药物及另外 9 种药物，总计 37 种。
CNN 将波形分为非心律失常、心律失常和动作电位停止 3 类。高风险药物在不低于临床游离峰浓度时的波形标为心律失常，低风险或无风险药物在不高于该浓度时的波形标为非心律失常；没有自发动作电位的波形由人工标为停止类。中等风险药物等不符合这套标注规则的数据未用于相应训练和测试。
用未参与训练的药物和细胞系检验分类性能
为检验模型能否处理未见过的材料，团队安排 3 组测试：更换药物但保留训练细胞系、更换细胞系但保留药物，以及同时更换药物和细胞系。对应波形分类准确率约为 98.5%、86.2% 和 97.5%。
苄普地尔是主要例外：它在临床被归为高风险药物，但在人源 iPSC 心肌细胞中常产生非心律失常样波形。包含该药数据的第 2 组测试准确率较低。
用概率曲线与临床浓度计算安全边际
团队从分类概率随药物浓度变化的曲线中取得半数效应浓度，再计算其与临床游离峰浓度比值的以 10 为底的对数，作为致尖端扭转型室性心动过速的安全边际。数值越低，代表模型在越接近或低于临床暴露的浓度下出现心律失常样波形。
伊布利特的实例显示，浓度提高伴随异常波形和心律失常概率增加；相关半数效应浓度低于临床游离最高浓度，提示该模型在这一暴露范围已出现反应。硝苯地平则更突出动作电位停止类别。
用该指标区分 CiPA 高或中等风险与低或无风险药物时，受试者工作特征曲线下面积约为 0.95。单独区分高与低风险时为 0.97，区分中等与低风险时降至 0.80。个别药物的排序与临床分类不一致：氟哌利多排得更靠近高风险端，苄普地尔则更靠近中等风险药物。
额外的 9 种药物也被放入与 CiPA 参照药物相同的连续排序中。氟卡尼排在高风险药物附近，西酞普兰、氟西汀和胺碘酮排在中等风险附近；阿米替林、阿司匹林、地高辛和肾上腺素则未得到可估计的心律失常概率半数效应浓度。
心肌病变异与心律失常、动作电位停止指标
团队再比较携带 MYBPC3、TPM1、PLN、RBM20 和 TNNT2 相关变异的模型。共同遗传背景减少了其他供者差异，使研究能够观察特定变异是否改变药物作用。多数模型的致尖端扭转型室性心动过速相关安全性指标与对照接近，部分药物呈现风险增加趋势。
更明显的差异出现在动作电位停止的概率与对应安全性指标：若干已知高风险心肌病变异对伊布利特、多非利特或氟哌利多等药物更敏感，而研究中风险较低的 TNNT2 变异没有表现出相同差异。
波形分类的解释性、验证范围与模型条件
作者认为，连续概率可以帮助比较药物剂量反应和遗传易感性，尤其是在传统人工指标难以概括复杂波形时。其结果支持将细胞模型与计算分析共同用于心脏安全性研究，也为后续研究未知遗传变异提供了具体思路。
CNN 学到的特征难以直接对应到可解释的动作电位特征。CiPA 参照药物引起的表型以动作电位延长和早期后除极等为主，覆盖范围有限。作者还推测，波形变异可能掩盖某些药物的分类特征，扩大数据集或有助于改善这些药物的识别。
对于遗传背景带来的差异，作者讨论了钙、钠及钾电流改变的可能作用。单层培养的 iPSC 心肌细胞相对成人心肌更易处于去极化状态，这可能放大部分药物对动作电位停止的影响；文中将其作为机制解释，尚需进一步验证。