一项在ESC急性心血管护理2026大会上展示的研究表明，基于人工智能（AI）的心电图解读方法在检测闭塞性心肌梗死方面优于传统方法。ESC急性心血管护理2026是欧洲心脏病学会（ESC）下属急性心血管护理协会（ACVC）的年度大会。
对于疑似急性冠脉综合征的患者，心电图上的特定变化——ST段抬高，是患者可能存在冠状动脉闭塞的指标。这种类型的心梗被称为ST段抬高型心肌梗死（STEMI），需要立即进行经皮冠状动脉介入治疗以恢复心脏血流。而对于没有ST段抬高的患者，胸痛的原因可能不那么确定，需要进一步检查以确认心梗是否由闭塞引起。
报告人、意大利博尔扎诺中央医院的费德里科·纳尼医生解释说：“许多没有ST段抬高的患者实际上患有闭塞性心梗，但临床医生很难快速准确地识别出这一点，从而导致紧急治疗的延误。我们研究了基于AI的初始心电图解读是否能够提高在无ST段抬高情况下检测闭塞性心梗的准确性，以优化患者管理。”
这项单中心前瞻性研究纳入了1490名有疑似急性冠脉综合征症状但初始心电图无ST段抬高的患者。平均年龄63岁，42%为女性。临床医生根据ESC指南解读初始心电图、检测心肌肌钙蛋白水平，并在必要时进行冠状动脉造影以诊断闭塞性心梗。同时，初始心电图由一款基于智能手机的CE认证AI-ECG算法进行解读。
基于AI的心电图解读排除了1382名患者的闭塞性心梗，并在108名患者（7%）中检测出该病。AI方法在84%的病例中正确识别了闭塞性心梗。灵敏度为77%，特异性为99%，阴性预测值为98%。假阴性27例（2%），假阳性17例（1%）。
根据标准诊断流程，基于肌钙蛋白水平排除了1207名患者的闭塞性心梗，283名患者接受了冠状动脉造影以确认或排除诊断。总体而言，人工心电图解读在42%的病例中正确识别了闭塞性心梗。
纳尼医生总结道：“这种简单、易获取的AI方法在识别和排除无ST段抬高患者的闭塞性心梗方面，显示出优于传统诊断路径的准确性。我们单中心研究的结果需要进一步验证，但这些发现表明，AI心电图解读是对现有决策工具的有价值补充，有助于提高早期识别和及时有效的治疗。”
AI支持心血管疾病管理的潜力将在今年8月28日至31日于德国慕尼黑举行的ESC年度大会的焦点主题中进一步探讨。
【全文结束】