基于人工智能（AI）的心电图解读在检测闭塞性心肌梗死方面优于标准诊断路径，该研究结果于2026年ESC急性心血管护理大会（ESC Acute CardioVascular Care 2026）上公布。本届大会由欧洲心脏病学会（ESC）下属的急性心血管护理协会（ACVC）主办。
在疑似急性冠脉综合征（ACS）的患者中，心电图上的特定改变——ST段抬高——提示患者可能存在冠状动脉闭塞。这类心脏病发作被称为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。而对于没有ST段抬高的患者，胸痛的原因较难确定，需要进一步检查以确认心肌梗死是否由闭塞引起。
研究汇报者、意大利博尔扎诺中央医院（Central Hospital Bolzano）的Federico Nani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肌梗死，但临床医生很难快速准确识别，从而导致急诊治疗延误。我们研究了基于AI的初始心电图解读能否提高无ST段抬高时检测闭塞性心肌梗死的准确性，以优化患者管理。”
这项单中心前瞻性研究共纳入1490名患者，均表现为疑似ACS症状但初始心电图无ST段抬高。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、检测心脏生物标志物肌钙蛋白水平，并在必要时进行冠状动脉造影以诊断闭塞性心肌梗死。与此同时，初始心电图也由一款基于智能手机的、获得CE认证的AI-ECG算法进行解读。
AI心电图解读排除了1382名患者的闭塞性心肌梗死，并在108名患者（7%）中检出。基于AI的方法正确识别了84%的闭塞性心肌梗死病例。敏感性为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%）。根据标准诊断路径，1207名患者基于肌钙蛋白水平排除了闭塞性心肌梗死，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%的闭塞性心肌梗死病例。
Nani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肌梗死方面，显示出比传统诊断路径更高的准确性。我们单中心研究的结果仍需进一步验证，但这些发现表明，AI心电图解读是对现有决策工具的有力补充，有助于改善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2026年8月28日至31日于德国慕尼黑举行的ESC年度大会上作为焦点主题进一步探讨。
【全文结束】