综述：人工智能在NSTEMI患者急性冠状动脉阻塞检测中的应用

《Current Problems in Cardiology》：Artificial Intelligence in detection of acute coronary occlusion in NSTEMI patients

心肌梗死（MI）诊断中，STEMI/NSTEMI分类因漏诊部分急性冠状动脉闭塞（ACO）患者导致治疗延误，AI通过分析复杂ECG模式提升ACO检测准确性。

　　

萨拉·托莫维奇（Sara Tomovic）| 罗伯特·赫尔曼（Robert Herman）| 斯尔贾恩·德迪奇（Srdjan Dedic）| 尼古拉·博斯科维奇（Nikola Boskovic）| 斯特凡·尤里奇奇（Stefan Juricic）| 斯尔贾恩·亚历山德里奇（Srdjan Aleksandric）| 玛丽娜·奥斯托伊奇（Marina Ostojic）| 伊万娜·内德尔伊科维奇（Ivana Nedeljkovic）| 沃伊斯拉夫·吉加（Vojislav Giga）| 马尔科·巴诺维奇（Marko Banovic）

塞尔维亚贝尔格莱德医学院

摘要

随着人们认识到早期再灌注的重要性，心肌梗死（MI）患者的预后显著改善，尤其是自从及时进行经皮冠状动脉介入治疗（PCI）被广泛采用后。侵入性再灌注时代也改变了心肌梗死的诊断方法，将诊断范式从Q波型心肌梗死与非Q波型心肌梗死转变为ST段抬高型心肌梗死（STEMI）与非ST段抬高型心肌梗死（NSTEMI）。

目前，ST段抬高型心肌梗死（STEMI）和非ST段抬高型心肌梗死（NSTEMI）的诊断标准一直是心肌梗死治疗的基石，但这些标准未能识别出许多急性冠状动脉阻塞（ACO）的患者，从而导致治疗延误和预后恶化。这一问题日益严重，因为NSTEMI现在占全球心肌梗死病例的多数，约为70%，而许多这类阻塞事件的处理存在延迟，进一步加剧了不良后果。此外，不同医生在心电图（ECG）解读方面存在显著差异。

在这篇综述中，我们重点介绍了利用人工智能评估心电图变化提示NSTEMI患者的最新进展，并评估了其在检测急性冠状动脉阻塞患者中的作用。

引言

冠状动脉疾病（CAD）是最常见的心血管疾病（CVD）形式，是全球第三大发病率和死亡率原因，每年导致1780万人死亡¹。鉴于CAD的发病率、死亡率及其对社会经济的影响，及时诊断和管理至关重要。CAD可表现为慢性冠状动脉综合征或急性冠状动脉综合征——不稳定型心绞痛以及ST段或非ST段抬高型心肌梗死（MI）²。全球每年有超过400万人患有急性心肌梗死（AMI）³。

随着人们认识到早期再灌注的重要性，心肌梗死患者的预后显著改善，尤其是自从及时进行经皮冠状动脉介入治疗（PCI）被广泛采用后⁴。侵入性再灌注时代也改变了心肌梗死的诊断方法，将诊断范式从Q波型心肌梗死与非Q波型心肌梗死转变为ST段抬高型心肌梗死（STEMI）与非ST段抬高型心肌梗死（NSTEMI）⁵。STEMI的诊断标准被开发出来作为快速的前线心电图工具，用于识别需要紧急再灌注的患者。然而，尽管这些标准被广泛使用，但它们在检测急性冠状动脉阻塞方面的敏感性相对较低^{6, 7, 8}。这一问题日益严重，因为NSTEMI（不符合STEMI诊断标准）现在占全球心肌梗死病例的多数，约为70%，许多这类阻塞事件的处理存在延迟，从而导致更差的预后^{9, 10}。此外，不同医生在心电图解读方面存在显著差异^{11, 12, 13}。这种差异可能源于医生的经验和专业背景的不同¹⁴，同时心电图的计算机解读也存在不准确的情况^{15, 16, 17}。

在这篇综述中，我们重点介绍了利用人工智能评估心电图变化提示NSTEMI患者的最新进展，并评估了其在检测急性冠状动脉阻塞患者中的作用。

NSTEMI患者的ECG诊断标准与风险分层

静息12导联心电图是疑似心肌梗死患者的首选诊断工具，应由合格医生在患者到达后10分钟内进行解读^{18, 19}。根据欧洲心脏病学会2023年关于急性冠状动脉综合征（ACS）的管理指南，心肌梗死患者可分为两组：伴有急性胸痛和持续ST段抬高的患者（STEMI患者）以及没有ST段抬高的患者（NSTEMI患者）。

简而言之，

根据再灌注时间评估NSTEMI患者预后的研究

所有研究的共同点是，NSTEMI患者从住院到接受再灌注的平均时间明显长于STEMI患者（表1）。这很可能是因为NSTEMI的诊断需要数小时，超出了治疗效果的最佳窗口期。此外，尽管25%的NSTEMI患者在延迟进行的血管造影中被发现存在急性冠状动脉阻塞^{24, 25}，但大多数NSTEMI患者仍被误诊为非急性冠状动脉阻塞。

大多数评估再灌注时间的

阻塞性心肌梗死的定义

鉴于NSTEMI相关研究的成果和局限性，一些学者提出了不同的心肌梗死识别方法。2021年，Sankardas等人指出，现有的STEMI与非STEMI分类主要基于心电图上是否存在ST段抬高，导致许多没有典型ST段抬高的急性冠状动脉阻塞病例被忽视³⁴。Smith、Meyers和Aslanger提倡另一种理解方法，该方法侧重于病理生理机制

人工智能在急性冠状动脉阻塞检测中的应用

多年来，计算机辅助心电图解读（CIE）在心电图解读方面得到了广泛应用⁴⁴。虽然STEMI的心电图诊断相对简单，但OMI（非ST段抬高型心肌梗死）的心电图诊断基于模式识别，非常适合人工智能应用^{4546。尽管如此，人工智能在心电图应用中仍存在一些问题}

剩余问题与正在进行的研究

虽然OMI与非OMI的概念尚未被正式纳入任何主要指南，但与现有的STEMI与非STEMI分类方法相比，它提供了一种有前景的新方法，有可能更好地识别高风险患者。然而，仍需要随机数据来验证这一新方法并促进其广泛应用。此外，尽管取得了有希望的结果，但在实施人工智能过程中仍存在一些需要解决的障碍，包括法律问题等关键因素

结论

新的OMI/NOMI分类方法有潜力克服现有STEMI/NSTEMI分类方法在及时识别急性冠状动脉阻塞患者方面的不足。基于人工智能的心电图模型在检测OMI方面表现出了良好的性能，通常优于传统的STEMI诊断标准、临床医生和标准风险评分。这些模型可能有助于早期识别急性冠状动脉阻塞、改进风险分层，并可能减少再灌注治疗的延迟。

未引用的参考文献

31, 32, 33