基于人工智能（AI）的心电图解读在检测闭塞性心肌梗死（MI）方面优于标准路径，根据今天在ESC急性心血管护理2026大会上公布的一项研究，该大会是欧洲心脏病学会（ESC）下属急性心血管护理协会（ACVC）的年度会议。
在疑似急性冠脉综合征（ACS）的患者中，心电图上一种称为ST段抬高的特定变化提示患者可能存在冠状动脉闭塞。这种类型的心脏病发作被称为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。对于没有ST段抬高的患者，胸痛的原因可能不那么确定，需要进一步检查来确认MI是否由闭塞引起。
“许多没有ST段抬高的患者患有闭塞性MI，但临床医生很难快速准确地识别这一点，导致紧急治疗延误。我们研究了基于AI的初始心电图解读能否提高在无ST段抬高时检测闭塞性MI的准确性，以优化患者管理。”报告人、意大利博尔扎诺中央医院Federico Nani医生表示。
这项单中心前瞻性研究纳入了1490名有ACS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MI。同时，初始心电图由基于智能手机的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MI，并在108名患者（7%）中检测到。该AI方法正确识别了84%的闭塞性MI病例。灵敏度为77%，特异性为99%，阴性预测值为98%。有27例假阴性（2%）和17例假阳性（1%）。
根据标准诊断路径，基于肌钙蛋白水平排除了1207名患者的闭塞性MI，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，人类心电图解读正确识别了42%的闭塞性MI病例。
Nani医生总结道：“这种简单、易用的AI方法在识别和排除无ST段抬高的患者的闭塞性MI方面比传统诊断路径表现出更优的准确性。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心电图解读是现有决策工具的有力补充，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能力将在今年ESC大会（2026年8月28日至31日，德国慕尼黑）的焦点主题中进一步探讨。
来源：欧洲心脏病学会
【全文结束】