编辑推荐：
为解决不同致心律失常风险预测模型在实验系统中应用与评估的一致性问题，研究人员基于 CiPA 框架，利用 CiPAORdv1.0 模型开展药物心脏毒性预测研究。借助 28 种药物体外数据训练验证，模型在高低风险预测中 AUC 分别达 1.0 和 0.95，为药物开发中标准化评估提供新方法。
全面体外致心律失常试验（CiPA）为将计算机模拟试验整合到药物评估流程铺平了道路。国际协调委员会（ICH）已通过结构化问答（Q&A）形式启动更新 ICH S7B 和 E14 指南的工作。该范式的一个重大挑战是确保不同致心律失常风险预测模型在实验系统中的一致应用和评估。本研究利用 CiPAORdv1.0 模型预测心脏毒性，利用 28 种药物的体外数据进行训练和验证。改良的 O'Hara–Rudy 模型模拟了人类心室细胞模型的虚拟群体。提取了七个关键特征（qNet、APD50、APD90、Camax、Carest、CaTD50、CaTD90）作为分析输入。CiPAORdv1.0 表现出稳健的性能，高风险类别的曲线下面积（AUC）为 1.0，低风险类别的 AUC 为 0.95。使用归一化欧几里得距离（R1 和 R2）增强了校准过程，有效区分了风险类别。敏感性分析确定了关键药物，确保了用于锚定模型预测的强校准药物集。所提出的人工神经网络（ANN）模型验证了 CiPAORdv1.0 框架作为有效的尖端扭转型室性心动过速（TdP）风险预测系统，确保了稳健的实验室特异性验证。本研究提出了一种利用人工神经网络实现经过验证的心脏安全模型的新算法，满足了药物开发中标准化致心律失常风险评估的关键需求。
