综述：人工智能在急性冠脉综合征超声心动图中的应用：现有证据及其与心电图和生物标志物的整合

《Echocardiography》：Artificial Intelligence in Echocardiography for Acute Coronary Syndromes: Current Evidence and Integration With Electrocardiography and Biomarkers

　　**摘要****背景**急性冠状动脉综合征（ACS）的早期诊断仍然具有挑战性，因为心肌缺血的电学、机械和生化表现在缺血级联的不同阶段以不同方式演变。尽管心电图（ECG）、心脏生物标志物和超声心动图在临床实践中被常规使用，但这些诊断方法通常被独立解读，可能会延迟对心肌缺血的识别。人工智能（AI）的最新进展为通过多模态整合提高诊断准确性提供了新的机会，其中超声心动图作为核心成像模式。**假设**AI增强的超声心动图与心电图发现、心脏生物标志物和临床信息的整合，与传统的序贯诊断方法相比，可能改善疑似ACS患者的早期诊断、风险分层和临床管理。**方法**对当代文献进行了全面的叙述性综述，以评估当前关于AI在超声心动图中的应用及其与心电图和心脏生物标志物整合用于ACS诊断的证据。对涉及自动图像采集、腔室量化、心肌变形分析、区域壁运动评估、多模态机器学习模型、可解释人工智能和临床实施的已发表研究进行了批判性审查和综合。**结果**人工智能通过实现自动图像解读、心室功能的定量评估、心肌应变分析和区域壁运动异常的高重复性检测，大大扩展了超声心动图的能力。当与心电图、串联高敏感性心脏肌钙蛋白测量和临床变量整合时，多模态AI系统显示出提高诊断准确性、促进更早识别心肌缺血、减少诊断不确定性和支持个体化临床决策的潜力。然而，广泛实施需要前瞻性多中心验证、标准化成像方案、可解释算法、监管监督和与临床工作流程的无缝整合。**结论**AI增强的超声心动图代表了迈向精准心血管成像的有希望的一步，可能成为未来疑似ACS患者多模态诊断路径的核心成像组成部分。通过AI支持的决策系统整合结构、功能、电学、生物化学和临床信息，有望提高诊断性能并优化急诊心血管护理。**利益冲突**作者声明与本工作相关的无利益冲突。**数据可用性声明**本叙述性综述中未生成或分析新的数据集。