GRACE 3.0评分系统扩展：非ST段抬高型急性冠脉综合征的个体化风险评估与治疗策略优化研究

《The Lancet Digital Health》：Extension of the GRACE score for non-ST-elevation acute coronary syndrome: a development and validation study in ten countries

为解决非ST段抬高型急性冠脉综合征(NSTE-ACS)患者风险分层不精准、早期介入治疗获益人群识别困难等问题，研究人员开展GRACE 3.0评分系统的多国开发与验证研究。该研究通过机器学习算法开发了性别特异性1年死亡率预测模型和个体化治疗效应模型，证实GRACE 3.0在10个国家60万患者中具有卓越的判别能力(AUC 0.90)和临床效用，为NSTE-ACS的个体化治疗决策提供了新工具。

　　

在全球范围内，心血管疾病仍然是导致死亡和残疾的主要原因之一，其中急性冠脉综合征(ACS)尤为突出。非ST段抬高型急性冠脉综合征(NSTE-ACS)作为ACS中最常见的类型，其诊疗策略一直备受关注。当前临床指南推荐使用全球急性冠脉事件注册(GRACE)评分系统来指导NSTE-ACS患者的风险分层和治疗决策，特别是对于GRACE评分提示院内死亡风险超过3%的患者，建议采取早期介入管理策略。

然而，随着医疗技术的进步和临床实践的演变，现有的GRACE 2.0评分系统显露出一些局限性。这一版本基于使用非特异性心脏标志物的研究，且在现代药物洗脱支架、完全功能性血运重建和强化降脂治疗等重要治疗进展之前开发完成。更关键的是，目前的治疗分层方法未能充分考虑NSTE-ACS临床表型的演变，且联合分析显示当前风险分组与早期介入管理效果之间缺乏交互作用，这使得其在当代患者中的临床效用受到质疑。

在这一背景下，国际研究团队开展了一项大规模的多国开发与验证研究，旨在扩展GRACE评分系统，相关成果发表在《The Lancet Digital Health》。研究团队汇集了来自十个国家（英格兰、威尔士、北爱尔兰、瑞典、瑞士、德国、丹麦、西班牙、荷兰和捷克）的609,063名NSTE-ACS患者数据，时间跨度从2005年1月1日至2024年6月24日。

研究采用了多项关键技术方法：基于XGBoost的机器学习算法开发预测模型，使用十折交叉验证进行模型训练和优化；通过Hartung-Knapp-Sidik-Jonkmann随机效应荟萃分析整合多国数据；应用R-learner框架开发个体化治疗效应模型；使用SHAP方法评估特征重要性；通过时间依赖性AUC(tAUC)和C-for-benefit等指标评估模型性能。研究数据来源于多个大型前瞻性注册研究和随机对照试验，包括英国的MINAP、瑞典的SWEDEHEART、瑞士的AMIS Plus和SPUM-ACS等队列。

研究结果显著，主要体现在三个方面：

GRACE 3.0院内死亡率模型的广泛验证显示，该模型在外部验证中表现出卓越的判别能力，汇总AUC达到0.90(95% CI 0.89-0.91)。模型校准良好，决策曲线分析表明其在临床相关阈值范围内具有较高的实用性。与GRACE 2.0相比，新模型在判别能力和风险重新分类方面均有显著改善。

新开发的GRACE 3.0 1年死亡率模型基于400,054名患者数据开发，在外部验证中表现出色(tAUC 0.84, 95% CI 0.82-0.86)。特征重要性分析显示，年龄和肌酐水平是对1年死亡率预测贡献最大的因素。该模型同样显示出良好的校准特性和临床效用。

最具创新性的是GRACE 3.0个体化治疗效应模型的开发与验证。该模型基于VERDICT随机对照试验的参与者数据，能够预测早期介入管理对长期结果的个体化获益。在外部验证中，该模型有效识别了可能从早期介入管理中获益的患者群体(C-for-benefit 0.56)。预测高获益的患者被随机分配至早期介入管理组时，复合主要结局的风险显著降低(风险比0.60)，而无至中度预测获益的患者则未观察到显著差异。

研究结论和讨论部分强调，GRACE 3.0评分系统为NSTE-ACS患者的个体化风险评估提供了经过验证的实用工具。与GRACE 2.0相比，新系统专门针对NSTE-ACS人群设计，考虑了潜在的复杂非线性关系并纳入了性别差异，因此在性能上有显著提升。

特别值得注意的是，个体化治疗效应模型的开发标志着从传统风险分层向获益导向治疗决策的转变。该模型表明，从早期介入管理中获益的NSTE-ACS患者具有独特的临床特征：更年轻、更多女性、更多心肌缺血迹象、血流动力学状态更差但肾功能更好。这一发现与当前基于风险的治疗选择策略形成对比，在传统方法中，年轻年龄通常倾向于将患者分层至延迟介入管理。

研究人员指出，该研究的优势在于纳入了全球最大的NSTE-ACS队列，涵盖了地理和社会文化多样性，且仅限于当代患者以反映临床实践演变。所有预测模型仅使用常规可得的九个变量，便于临床实施。然而，研究也存在一定局限性，如缺乏欧洲以外地区的数据，某些队列事件数较少，以及个体化治疗效应模型需要前瞻性验证等。

这项研究的重要意义在于，它不仅验证了GRACE 3.0评分系统在当代NSTE-ACS患者中的卓越性能，还首次开发了能够预测个体化治疗效应的模型，为优化NSTE-ACS患者的治疗时机决策提供了新思路。在精准医疗时代，这种从"一刀切"向个体化治疗策略的转变，有望改善患者预后并优化医疗资源分配。未来需要前瞻性研究进一步验证这些发现，并将这一创新方法转化为临床实践。