急性心肌梗死的诊断范式转变：DIFOCCULT-3试验的合理性及其设计

《JACC: Advances》：A Diagnostic Paradigm Shift in Acute Myocardial Infarction: Rationale and Design of the DIFOCCULT-3 Trial

心肌梗死（MI）传统诊断模式（STEMI/NSTEMI）存在漏诊急性冠状动脉闭塞（ACO）的问题，DIFOCCULT-3试验评估新范式（OMI/NOMI）通过整合临床判断、AI辅助ECG分析及影像学检查提升ACO检出率及预后。主要终点为1年全因死亡及再住院率，次要终点包括心肌梗死面积、左室射血分数等。研究采用多中心、修改集群随机化设计，计划纳入6000例患者，对比两种模式在诊断准确性及临床结局上的差异。

　　心肌梗死（Myocardial Infarction, MI）是心血管疾病中最具威胁性的状况之一，其诊断和治疗策略的演变反映了医学界对疾病机制和临床实践的持续探索。传统的ST段抬高型心肌梗死（ST-segment elevation myocardial infarction, STEMI）和非ST段抬高型心肌梗死（non-ST-segment elevation myocardial infarction, NSTEMI）分类方法虽然在MI管理中长期占据主导地位，但其局限性逐渐显现，尤其是在识别急性冠状动脉闭塞（acute coronary occlusion, ACO）方面。研究表明，现有STE MI标准未能识别约三分之一的ACO患者，导致治疗延误和预后恶化。为解决这一问题，医学界提出了新的“闭塞型心肌梗死”（occlusive myocardial infarction, OMI）和“非闭塞型心肌梗死”（nonocclusive myocardial infarction, NOMI）分类方法，旨在通过更全面的病理生理学策略取代传统基于心电图（electrocardiogram, ECG）的诊断标准。

这一新分类方法的核心在于将临床判断、ECG的细微变化、辅助人工智能（artificial intelligence, AI）技术、生物标志物和必要时的影像学检查相结合，以更积极地识别ACO。与传统方法相比，OMI/NOMI不仅考虑了ECG上的ST段变化，还引入了其他临床和影像学证据，使诊断更加灵活和准确。例如，临床经验丰富的医生可以根据患者的典型症状，如几乎具有特征性的胸痛、缺血性心律失常、血流动力学不稳定或心脏骤停等，判断是否存在ACO。此外，高灵敏度心肌肌钙蛋白（high-sensitivity cardiac troponin, hs-cTn）的检测也被纳入评估标准，若hs-cTn T水平超过1,000 ng/mL或hs-cTn I超过200倍的上限值（upper limit of normal, ULN），则可能提示ACO的存在。同时，对于心电图上的细微变化，如动态或连续的改变，AI辅助的分析工具可以提供更精确的识别支持。

DIFOCCULT-3试验正是为了验证OMI/NOMI分类方法是否能在实际临床环境中带来更好的预后而设计的。该试验是一项多中心、改良的集群随机化、开放标签研究，旨在比较OMI/NOMI与STE MI/NSTEMI方法在6,000名疑似MI患者中的应用效果。试验的设计充分考虑了实际操作的可行性，例如，通过集群随机化的方式将干预团队随机分配到不同的诊断路径，而非个体患者，以减少诊断过程中的混淆和伦理争议。在试验过程中，第一响应者（如急诊医生、内科医生或心内科医生）均配备了AI支持的智能手机应用程序，用于初步的ECG分析。在OMI/NOMI路径下，应用程序被激活，帮助识别可能的ACO；而在STE MI/NSTEMI路径下，应用程序被关闭，以确保所有医生遵循既定的诊断标准。

在数据收集方面，试验采用Research Electronic Data Capture（REDCap）系统，该系统具备安全性、直观性和可扩展性，能够支持数据的实时更新和完整性验证。所有收集的数据必须在3天内输入系统，并由独立的数据监测委员会进行审核。此外，研究团队还特别关注了研究的伦理合规性，例如，通过校准队列和随机效应模型来评估干预团队之间的差异，确保研究结果的可靠性和有效性。为了保证数据的完整性，研究团队还计划通过直接电话联系患者或其家属，补充缺失的临床信息。

在研究结果方面，试验的主要复合终点是1年随访期间的全因死亡率和全因再入院率。然而，由于ACO在NSTEMI患者中可能被遗漏，导致预后较差，因此研究还特别关注了OMI/NOMI与STE MI/NSTEMI方法在识别ACO方面的差异。为了进一步验证这一假设，研究团队设计了双重主要分析方案，重点关注OMI（+）NSTEMI患者的预后。此外，研究还计划进行一系列次要分析，包括住院期间的死亡率、心肌梗死面积、左心室射血分数（left ventricular ejection fraction, LVEF）和室壁运动评分指数（wall motion score index, WMSI）等，以全面评估两种诊断方法的临床效果。

尽管OMI/NOMI方法在理论上具有优势，但在实际临床应用中仍面临诸多挑战。这些挑战包括对传统STE MI/NSTEMI分类方法的依赖，以及如何将AI辅助的诊断工具有效整合到现有的临床流程中。此外，不同中心的医疗资源和医生经验水平也可能影响研究结果的一致性。因此，研究团队在设计试验时特别注重培训和数据标准化，确保所有参与中心在实施过程中保持一致的诊断标准和操作流程。同时，研究还计划通过校准队列和随机效应模型来调整可能的混杂因素，以提高研究的准确性。

在安全性方面，研究团队建立了独立的安全监测委员会，负责监督试验的安全性和进展。该委员会定期召开会议，讨论试验过程中出现的任何不良事件，并在必要时建议暂停研究。此外，研究还计划对研究的完整性进行评估，确保所有数据的准确性和一致性。通过这些措施，研究团队希望能够全面评估OMI/NOMI分类方法在实际临床环境中的可行性和有效性，为未来的心肌梗死管理提供科学依据。

总之，DIFOCCULT-3试验旨在通过比较两种不同的诊断方法，评估OMI/NOMI是否能在实际临床环境中带来更好的预后。该试验的设计充分考虑了实际操作的可行性，确保所有参与中心在实施过程中保持一致的诊断标准和操作流程。同时，研究团队还特别关注了安全性、数据完整性和伦理合规性，以确保研究的科学性和可靠性。通过这些措施，研究团队希望能够为未来的心肌梗死管理提供新的思路和方法，推动医学界对急性冠状动脉闭塞的识别和治疗策略的优化。