编辑推荐：
心血管疾病防治面临挑战，尤其缺血性心脏病（IHD）。研究人员开展基于离线强化学习（RL）模型的心血管护理研究，发现该模型在回顾性模拟中效果更好。这为个性化治疗提供可能，有望提升心血管疾病管理水平。
在现代医学飞速发展的今天，心血管疾病却依旧是人类健康的一大 “劲敌”。尽管医学领域在心血管疾病的预防和治疗方面取得了不少进展，但面对复杂多变的病情，精准治疗仍然困难重重，尤其是缺血性心脏病（IHD）。传统的临床决策主要依赖医生经验、风险评分以及指南指导下的治疗方案，然而这些方法难以兼顾每位患者的独特情况，存在主观性和不精确性。比如基于患者年龄、性别、吸烟状况、血压和胆固醇等因素的系统性冠状动脉风险评估（SCORE）模型，虽然能大致估算风险并给出治疗建议，但缺乏灵活性，无法满足个性化医疗的需求。
为了突破这些困境，来自多个机构的研究人员展开了探索。其中，第一作者 Giuseppe Biondi-Zoccai 来自意大利的 Sapienza University of Rome 等机构 。他们将目光投向了人工智能（AI）领域，聚焦于强化学习（RL）在心血管护理中的应用。研究成果发表在《npj Digital Medicine》上。
在这项研究中，研究人员主要运用了离线 RL 技术，基于大型冠状动脉疾病（CAD）患者或有 CAD 风险患者的观察数据，采用保守 Q 学习（CQL）方法构建模型。该模型旨在优化冠状动脉血运重建（即经皮冠状动脉介入治疗 [PCI] 或冠状动脉旁路移植术 [CABG]）的决策 。
研究结果显示，在回顾性模拟中，基于离线 RL 得出的治疗策略，相比数据集中医生平均分配的决策，能实现更好的预期心血管结局。这表明 RL 模型在模拟场景中展现出了超越传统策略的潜力，有望为医生提供更优的决策支持。不过，目前这一优势还停留在理论层面，需要进一步在真实世界的临床实践中进行验证。
从研究结论和讨论来看，RL 和类似 AI 工具在心血管医学中的应用意义重大。它们为个性化治疗策略的制定提供了数据驱动的新思路，有可能比以往任何时候都更有效地实现精准医疗。但要将这些颇具前景的回顾性分析成果转化为真实世界的临床应用，还面临诸多挑战。一方面，AI 模型需要经过大量的前瞻性试验验证，以确保其能真正降低死亡率和主要不良心血管事件的发生风险；另一方面，还要解决与现有医疗工作流程的整合难题，以及证明其成本效益。只有攻克这些难关，AI 才能在心血管医学领域大放异彩，真正推动医疗水平的提升，为广大心血管疾病患者带来新的希望。
