综述：优化心力衰竭患者心源性猝死的初级预防

这篇综述深入探讨了植入式心律转复除颤器（ICD）在心力衰竭（HF）患者心源性猝死（SCD）初级预防中的现状与挑战。随着指南导向药物治疗（GDMT）的普及，HF伴射血分数降低（HFrEF）患者的SCD发生率显著下降，但当前基于左室射血分数（LVEF≤35%）的ICD植入标准已显滞后。文章提出需整合人工智能（AI）和机器学习技术，开发动态风险预测模型，以更精准识别高危个体，同时呼吁关注射血分数保留型心衰（HFpEF）患者的SCD预防需求。

　　

当前指南推荐标准

现行指南将LVEF≤35%作为ICD植入的核心指标，适用于缺血性或非缺血性HFrEF患者。然而，这种"一刀切"标准忽略了GDMT时代SCD风险的变化——现代药物治疗使HFrEF患者的年SCD风险降至约3%，导致大量植入者终身未触发ICD治疗。更矛盾的是，48%的SCD发生在LVEF正常人群，但现行指南却未涵盖这部分高危群体。

SCD发生率下降的启示

β受体阻滞剂（如卡维地洛、美托洛尔）将SCD风险降低31%，血管紧张素受体脑啡肽酶抑制剂（ARNI）和盐皮质激素受体拮抗剂（MRA）进一步改善预后。心脏再同步化治疗（CRT）虽未直接降低SCD率，但通过改善LVEF可间接减少心律失常事件。这些进展使得MADIT-II时代确立的ICD获益模型亟待更新。

LVEF指标的局限性

依赖单一LVEF指标存在明显缺陷：超声心动图测量存在20%-30%的观察者间差异，且心肌瘢痕分布（通过心脏磁共振CMR评估）比整体收缩功能更能预测室性心动过速（VT）。ST2-SCD风险评分等新型模型整合了生物标志物（如可溶性ST2）和临床参数，其预测准确性显著优于传统标准。

人工智能驱动的解决方案

机器学习算法（如xgBoost）可处理12导联心电图（ECG）微伏级T波交替、CMR晚期钆增强（LGE）等海量数据，构建多维风险预测模型。EU-CERT-ICD研究证实，AI优化后的患者选择可使ICD植入数量减少40%同时维持同等保护效力。

未来研究方向

正在进行的SMART-MI和PREDETERMINE试验探索基于CMR的个性化风险评估。动态风险模型的优势在于能持续整合新型生物标志物（如循环肿瘤坏死因子α）和治疗进展，例如SGLT2抑制剂对电生理基质的潜在保护作用。

该领域正经历从"粗放式"器械治疗向精准预防的范式转变，通过融合多组学数据和计算生物学，有望实现"将正确的ICD植入正确的患者"这一终极目标。