一项研究考察了人工智能心电图算法对识别闭塞性心肌梗死的预测性能。研究表明，在急诊室中使用人工智能模型可大幅减少ST段抬高心肌梗死（STEMI）的假阳性警报。
根据2025年11月7日至10日在美国路易斯安那州新奥尔良举行的美国心脏协会（AHA）科学会议公布的成果，人工智能（AI）模型有望显著降低急诊室（ED）中STEMI假阳性警报的发生率。研究团队评估了AI深度学习心电图算法在急诊室STEMI警报中识别闭塞性心肌梗死（OMI）的预测能力，以及其对左心室肥厚（LVH）和左束支传导阻滞（LBBB）等常见STEMI模拟模式的辨别效果。
该回溯性分析纳入了2024年1月1日至10月31日期间某城市三级学术医疗中心急诊室触发的成人患者STEMI警报。警报由急诊医师启动，并由心脏病专家评估是否需紧急导管室激活。研究排除了由急救医疗服务启动或心脏骤停后患者的病例。
研究采用"红心皇后"AI模型评估警报前心电图，将其分类为OMI或非OMI。OMI定义为：急性罪犯病变伴心肌梗死溶栓血流0-2级、大梗死面积的急性非闭塞性罪犯病变（高敏肌钙蛋白hsTn >1000 ng/L），或未行血管造影但hsTn显著升高且超声心动图显示新发室壁运动异常。AI模型的性能与标准临床解读（由心脏病专家决定的导管室激活）进行了对比。
分析共纳入192例STEMI警报。患者平均年龄56岁（标准差14岁），76%为男性，45.8%为西班牙裔或拉丁裔，43.2%为非西班牙裔黑人。
在STEMI警报中，假阳性率高达85%，仅29例被确认为真实OMI。32例涉及紧急导管室激活，其中24例确诊为OMI（灵敏度83%，特异度95%）。在160例取消的警报中，发现5例OMI。"红心皇后"模型检测出42例OMI，其中29例中的25例识别正确（灵敏度86%，特异度89%），包括心脏病专家漏诊的5例中的3例。
在58例伴LVH的STEMI警报中，模型对真实OMI的识别灵敏度达100%、特异度95%；13例LBBB病例均非OMI（特异度92%）。
研究作者总结道："'红心皇后'AI模型有望大幅减少急诊室触发的STEMI假阳性警报，其诊断性能与心脏病专家决定的导管室激活相当。值得注意的是，该模型识别出标准临床评估漏诊的OMI病例，且在LVH患者（该人群常见的STEMI模拟病例）中准确性极高。这些发现支持AI辅助心电图解读在提升急性心脏诊疗分诊准确性和优化资源利用方面的潜力。"
【全文结束】
