《American Heart Journal》：A randomized controlled trial of a novel AI-based prognostic decision support tool integrated into the electronic health record for ischemic heart disease: Rationale and design of the PM Heart trial
编辑推荐：
背景：缺血性心脏病（ischemic heart disease, IHD）是全球寿命损失年的首要原因。尽管IHD的临床表现和进展差异显著，但其临床管理相对统一。为改善风险分层和临床管理，研究人员基于广泛的临床、登记和生化数据开发了一种决策支持工具——PMHe
背景：缺血性心脏病（ischemic heart disease, IHD）是全球寿命损失年的首要原因。尽管IHD的临床表现和进展差异显著，但其临床管理相对统一。为改善风险分层和临床管理，研究人员基于广泛的临床、登记和生化数据开发了一种决策支持工具——PMHeartIHD算法（亦称为PMHNet）。该算法可自动计算IHD事件后的一年生存率。研究人员假设，将PMHeartIHD算法计算出的预后呈现给主治医师，将改善个体患者的临床管理和结局。
目的：PM Heart试验的目标涵盖临床和技术两方面。首先，主要目的是探讨与标准治疗相比，临床使用该算法计算的预后是否能改善患者预后并最大程度降低再住院风险。次要目标则是产生关于心脏病学决策支持工具如何在临床实践中被实施、接受和直接使用的知识。
方法：PMHeartIHD算法已整合至电子健康记录（electronic health record, EHR）系统（Sundhedsplatformen (SP)，EPIC）供临床使用。PM Heart试验设计为一项多中心、前瞻性、随机、开放标签的临床试验，自动纳入并随机分配丹麦首都大区和西兰大区心脏病科室收治的冠状动脉疾病住院患者。患者在冠状动脉造影后立即以1:1比例随机分配，在电子健康记录中显示或不显示计算所得的PMHeartIHD预后。
结果：主要结局是由随机化后30天内再入院和一年生存率组成的复合结局。纳入工作于2023年9月开始，随访预计于2026年完成。
结论：研究人员介绍了PM Heart试验的设计和理论基础，旨在评估在临床实践中实施基于人工智能的决策支持工具的临床价值。
缺血性心脏病（ischemic heart disease, IHD）作为全球寿命损失年的首要原因，构成了重大公共卫生负担，其临床表现可从稳定型心绞痛、急性冠脉综合征延伸至心源性猝死，多种环境、行为、遗传风险因素及合并症共同促进其发生发展。然而，尽管IHD具有高度异质性，其临床管理却相对统一。目前美国和欧洲指南中超过一半的冠状动脉疾病管理建议基于II类或III类推荐级别，这可能导致检查、治疗和随访强度的选择存在差异，而这种差异既受患者因素也受医师偏好影响，其中患者预后是临床管理决策的核心因素。遗憾的是，绝大多数心血管风险预测模型尚未经过前瞻性随机临床试验评估，有学者建议应高度优先评估风险模型的临床影响。这一评估至关重要，因为人工智能（artificial intelligence, AI）工具的成功实施不仅需要关注技术模型性能，还需重视影响临床实践中采用的人类因素。急性缺血事件后，GRACE2.0评分可通过手动输入八项临床参数估算6个月生存率，但其准确性有限。研究人员预期，通过数据驱动的方法纳入影响生存预后的众多变量，可实现更精确的预测，但床边收集这些数据耗时且不切实际，凸显了开发具有自动化数据捕获能力的AI决策支持工具的必要性。
在此背景下，研究人员通过国际合作，利用来自40,000名丹麦和8,000名冰岛IHD患者的数据，开发并外部验证了决策支持工具PMHeartIHD算法。该算法可自动估算IHD事件后长达五年的生存率，本研究聚焦于一年生存率。值得注意的是，该算法同时突出五个正向和五个负向影响总生存的因素，以增强透明度和理解，满足可解释AI的需求并避免"黑箱"现象。研究人员假设，将生存预后及突出显示的预后影响因素呈现给主治医师将改善临床管理进而改善患者结局。PM Heart试验旨在验证这一假设，评估将算法预后呈现给医师是否能改善患者预后并降低再住院风险，同时探索AI决策支持工具在心脏病学中的实施可行性。
PM Heart试验是一项多中心、前瞻性、随机、开放标签临床试验，在丹麦首都大区和西兰大区所有心脏病科室开展，覆盖275万人口。试验自动纳入并随机分配经有创冠状动脉造影确诊的疑似IHD住院患者，纳入标准为在10个参与科室之一住院、临床表现为稳定型、恶化型/不稳定型心绞痛、非ST段抬高型心肌梗死或ST段抬高型心肌梗死，且入院期间有创影像显示存在显著冠状动脉病变或弥漫性冠状动脉疾病；排除标准为年龄小于18岁或居住在丹麦境外。患者以1:1比例随机分配至干预组或对照组，干预组在电子健康记录（EHR）中显示算法生成的预后，对照组虽计算预后但不予显示。无论随机分组如何，医师均需遵循现行欧洲心脏病学会（ESC）和丹麦心脏病学会（DCS）指南，但可考虑调整临床管理，如进一步检查范围、药物种类和剂量、住院时长、重症监护时间、康复建议、随访频率和强度等。
PMHeartIHD算法是一种基于丰富特征的神经网络生存算法，基于34,746名IHD确诊患者数据构建，使用额外5,000名丹麦患者数据进行内部验证，并使用8,288名冰岛患者数据进行外部验证，时间依赖AUC在6个月时达0.88至5年时达0.82，与GRACE2.0评分相比显示出更优的区分度和校准度。算法在冠状动脉造影报告记录后立即自动计算预后并识别可解释因素，整合当前住院至造影结果的数据及过去10年的患者记录。随机化在预后和可解释因素生成后立即自动进行。在干预组，打开患者EHR时会出现弹窗通知，最初设置为每小时每患者仅出现一次，后根据临床反馈调整为每位临床医生每患者最多三次，最终改为每次打开患者档案时永久显示在前页。预后报告以五色量表呈现预测的一年生存率，该量表基于12,000名近期接受治疗的IHD患者的一年生存率分为五个等量类别，同时列出基于SHAP值的五个正向和五个负向影响预后的因素。培训中强调可解释因素代表关联而非因果关系，且算法不向医师推荐管理选择。
主要结局是由随机化后30天内再入院和一年内全因死亡率组成的复合结局。次要结局包括一年内存活出院天数总数、心脏检查次数、出院时心血管药物数量和剂量、心脏随访咨询次数、整体医疗成本和资源支出、生活质量问卷、算法在临床使用中的接受度和引入情况、可用性、使用程度、报告查询量化、前瞻性验证、预测与观察结局差异模式、患者满意度以及健康相关成本影响。样本量计算基于两地区每年约3,500名急性心肌梗死和8,500名IHD住院患者，估计20%患者将经历主要结局事件，假设算法引入可将主要结局率从20%降至17.5%，在alpha为5%和beta为80%的条件下，需7,650名患者按1:1随机分配，考虑潜在脱落，共纳入8,000名参与者。主要分析基于意向性治疗原则，次要分析按实际治疗进行，若年龄、性别和入院诊断存在显著差异则进行调整。试验已获得伦理委员会和丹麦药品管理局确认无需额外审批，算法未被归类为医疗器械，已在clinicaltrials.gov注册（NCT06033014），方案遵循SPIRIT 2013声明。
PM Heart试验作为概念验证试验，不仅旨在探讨呈现更精确的一年生存预后对主治医师的潜在临床效果，还旨在展示基于回顾性患者记录和中央登记数据自主开发的AI工具如何成功整合至EHR中作为主动决策支持。当前版本算法提供估算的一年生存预后并显示驱动预后的主要因素，但不指导具体管理选择，这是迈向同时指导具体治疗选择并计算不同临床决策如何改变患者预后的决策支持工具的第一步。试验报告将遵循CONSORT和TRIPOD指南，并关注TRIPOD-AI、PROBAST-AI和DECIDE-AI等AI扩展指南的发展。PMHeartIHD算法可能识别出在现行指南框架内可安全减少或停止部分标准治疗的患者亚组，也可能识别出可能受益于强化治疗或随访的其他亚组。研究人员假设，对纳入的IHD患者管理的调整将导致更少的再入院和降低的死亡风险。然而，研究人员也认识到预后知识不一定能改善临床结局，正如一项关于急性入院患者生化预后标志物临床使用结局的研究所报告的那样。研究人员预期PMHeartIHD算法将减少检查、治疗和随访强度，降低医疗成本，同时改善患者结局。总之，PM Heart试验是一项调查新型自动化AI预后决策支持工具临床效果的随机对照试验，该工具利用大量数据并整合至临床常规使用的EHR中，可能为未来多种临床决策支持工具的开发和在日常临床实践中的引入铺平道路。
