一项重要研究表明，当前临床常规使用的心脏筛查工具在识别高风险患者方面存在严重局限。麻省总医院和布莱根妇女医院医疗系统（Mass General Brigham）的研究团队发现，标准静息心电图和运动负荷测试未能检出约30%已确诊心肌梗死的高风险患者。
该研究分析了2018年至2023年间收集的12,000多例患者临床数据，所有患者均接受了心电图、运动负荷测试及冠状动脉造影检查。结果显示，30%在造影中确认存在严重冠状动脉阻塞的患者，其心电图和运动负荷测试结果均显示正常。这意味着这些患者被错误地归类为低风险人群，可能因此错过关键的早期干预治疗。
研究负责人艾米丽·卡森博士指出："现有筛查方案存在明显盲区。当患者出现典型胸痛症状但初始筛查结果正常时，临床医生可能过早排除心脏病可能，导致延误诊断。"研究特别强调，女性患者和糖尿病患者的漏诊率更高，这与既往医学认知形成鲜明对比。
发表于《美国心脏病学会杂志》的论文建议，应整合新型生物标志物检测和人工智能辅助影像分析技术，构建多维度风险评估体系。研究团队正在开发结合血液检测指标与机器学习算法的筛查模型，早期试验显示其敏感性比传统方法提升22%。专家警告，若不改进现有流程，每年全球可能有数百万患者面临未被识别的心脏病风险。
麻省总医院心血管研究中心主任约翰·李博士评论称："这项研究为临床实践敲响警钟。我们必须超越单一检测手段，建立更全面的风险分层策略。"目前医疗指南已着手修订相关筛查建议，预计2026年将推出更新版诊疗规范。
【全文结束】
