摘要：2025年3月29~31日，第74届美国心脏病学会科学年会（ACC.25）在美国芝加哥盛大召开。来自德国的Antonius Buescher教授代表其团队在Late-Breaking Clinical Trial专场上报告了“Development And E

2025年3月29~31日，第74届美国心脏病学会科学年会（ACC.25）在美国芝加哥盛大召开。来自德国的Antonius Buescher教授代表其团队在Late-Breaking Clinical Trial专场上报告了“Development And External Validation Of A Deep Learning Electrocardiogram Model For Risk Stratification Of Coronary Revascularization Need In The Emergency Department”这一研究成果。本刊特邀中国医学科学院阜外医院宋雷教授对这一重磅研究进行点评，传递国际前沿进展。

研究背景

急性冠脉综合征（ACS）是急诊科最常见的就诊原因，而心电图是初步评估疑诊ACS患者最重要的诊断工具，当前指南均推荐在初次医疗接触的10分钟内获取心电图。对于ST段抬高型心肌梗死（STEMI）患者需要立即进行冠状动脉造影检查以缩短再灌注延迟。然而，对于非ST段抬高型急性冠脉综合征（NSTE-ACS）患者，其心电图变化具有异质性、非特异性，且不同判读者间差异较大，因此此类患者的进一步诊断主要依赖生物标志物变化（如高敏肌钙蛋白[hs-TnT]）。然而，肌钙蛋白检测可能因医嘱延迟、采血、样本转运、实验室处理及结果复核等环节延长报告时间。此外，肌钙蛋白升高不仅见于1型心肌梗死，还可见于肾功能不全、呼吸衰竭、低血压、贫血、心律失常及心力衰竭等情况，这不仅增加了对NSTE-ACS诊断的时间，导致再灌注时间的进一步延迟，同时由于假阳性结果干扰，增加了诊断难度。

研究目的

①识别能够预测患者是否需行冠状动脉血运重建的心电图特征；

②提供客观筛查工具以指导进一步临床评估，减少诊断不确定性；

③帮助识别可能从早期侵入性治疗策略中获益的患者。

研究设计

目标人群：急诊就诊患者；

训练结局：通过介入或搭桥进行冠脉血运重建；

输入数据：急诊12导联心电图。

研究纳入2个中心共199 359例急诊患者。其中，有180 686例患者来自于美国贝斯以色列女执事医疗中心（2008~2022年，MIMIC-IV数据库），这些患者数据中80%（n=144 691）作为训练集，20%（n=35 995）作为测试集。其中，0.6%的患者接受了冠脉血运重建。另外的18 673例患者来自于德国明斯特大学（2018~2023年），这些患者数据作为外部验证集，其中，1.5%的患者（n=274）接受了冠脉血运重建，1型心肌梗死的患者占1%（n=185）。

图1. 研究模型示意图

图2. 患者基线特征

研究结果

模型性能：测试集显示，ECG模型预测首次住院期间血运重建的受试者工作特征曲线下面积（AUC）为0.91±0.003，而hs-TnT模型为0.71；临床医生诊断模型为0.65±0.11。其识别低风险人群（Rule-Out）的敏感性为90.04%，特异性为75.61%；确诊NSTE-ACS（Rule-In)的RR为 80.21，敏感性为95.60%，特异性为50.22%。

图3. 模型测试性能

外部验证：对于首次住院期间血运重建的预测能力ECG模型的AUC为0.81±0.01；hs-TnT模型为0.85；临床医生诊断模型为0.70±0.13。而对于1型心肌梗死的预测能力ECG模型的AUC为0.85±0.01；hs-TnT模型为0.87；临床医生诊断模型为0.74±0.18。

图4. 模型外部验证性能

图5. 疑诊急性冠脉综合征患者的1型心肌梗死检测能力

图6. 根据hs-TnT分层的心电图风险分级

研究结论

①相较于传统肌钙蛋白T检测和临床医生诊断，该心电图模型对需要冠脉血运重建患者的检测具有更高的诊断准确性；

②该心电图模型对1型心肌梗死的识别能力优于临床医生，诊断准确性与hs-TnT相当；

③其开源特性允许科研界持续优化模型，并能针对不同患者群体调整模型权重；

④未来仍需开展前瞻性研究，以验证该模型在临床实践中的应用价值，并评估其对临床工作流程和患者预后的实际影响。

宋雷教授

该模型显示在预测冠状动脉血运重建和诊断1型心肌梗死方面，其相对肌钙蛋白和临床医生决策具有更高的预测能力和诊断准确性。针对NSTE-ACS诊断延迟和困难的问题，该模型的出现可为临床医生提供更加快速和准确的风险评估结果和临床决策。此外，鉴于hs-TnT具有较高的敏感性，而ECG模型在检测1型心肌梗死时具有较高的特异性，因此ECG模型和hs-TnT具有潜在的互补诊断信息价值。

该模型的优势在于它是在广泛的急诊室队列中开发的，而不是在预先选定的群体中。因此该模型更适合直接整合到自动化的ECG数据处理工作流程中。在急诊室工作流程中使用该模型，可能会对有紧急血运重建需求风险的个体发出警报，在获取心电图的同时即可快速识别出虽无STEMI表现但存在冠状动脉严重闭塞的高危患者，以减少这一部分患者的再灌注延迟，进一步改善患者预后。

专家简介

宋雷 教授

中国医学科学院阜外医院

博士，主任医师，研究生导师，中国医学科学院阜外医院冠心病一病区主任，冠心病中心副主任，国家心血管疾病临床研究中心主要研究者（PI），纽约哥伦比亚大学腔内影像及生理学专业访问学者，国家心血管疾病介入诊疗技术培训基地导师，中华医学会心血管内科分会老年心血管学组委员，中国老年医学学会心血管病分会委员，健康中国2022年度最美践行者，第四批北京健康科普专家，北京健康文化促进会健康科普专业委员会副主任委员。

来源：国际循环一点号