人工智能在急性心肌梗死风险分层和死亡率中的应用：叙述性综述
摘要
关键词：急性心肌梗死；人工智能；死亡率
引言：急性心肌梗死（AMI）是全球死亡的主要原因之一，需要早期诊断和有效的风险分层。传统工具，如TIMI和GRACE评分，在敏感性和特异性方面存在局限性。在此背景下，人工智能（AI）作为一种创新工具出现，能够分析大量临床、实验室和影像数据，识别改善结果预测的模式。本研究回顾了AI在AMI风险分层中的影响及其对死亡率的启示。方法：回顾了2018年至2024年间发表的10项研究，包括临床试验、系统综述和观察性研究。在PubMed、Scopus和SciELO中使用描述词“人工智能”、“心肌梗死”、“风险分层”和“死亡率”进行检索。仅纳入将AI算法应用于AMI患者的研究，重点关注诊断准确性、并发症预测和生存影响。结果：研究表明，机器学习算法在预测院内死亡率和并发症（如心源性休克和心律失常）方面优于传统临床评分。基于心电图和实验室数据的模型在早期AMI检测中准确率超过90%。此外，将AI集成到远程医疗协议中缩短了溶栓治疗的“门-针”时间，提高了生存率，尤其是在介入心脏病学资源有限的医院。结论：人工智能在AMI风险分层中具有前景，能够提高诊断准确性、支持治疗决策并降低死亡率。然而，仍需进一步的多中心研究来验证其大规模临床应用。
作者贡献：概念构思，L.C.F.S.、T.W.N.B.和B.V.S.；方法学，L.C.F.S.；验证，L.C.F.S.、I.F.G.和B.V.S.；正式分析，L.C.F.S.和T.W.N.B.；调查，L.C.F.S.、I.F.G.、B.V.S.、T.W.N.B.、C.D.M.F.、N.R.S.C.和T.F.B.；资源，L.C.F.S.；数据管理，L.C.F.S.；写作——初稿准备，L.C.F.S.；写作——审阅与编辑，L.C.F.S.、I.F.G.、B.V.S.和F.F.M.d.S.；可视化，L.C.F.S#基金：本研究未获得外部资助。
机构审查委员会声明：由于本研究是基于已发表数据的叙述性综述，因此免除了伦理审查和批准。
知情同意声明：不适用。
数据可用性声明：不适用。
利益冲突：作者声明无利益冲突。
免责声明/出版商说明：所有出版物中的陈述、观点和数据仅代表个人作者和贡献者，而非MDPI和/或编辑。MDPI和/或编辑对因内容中提及的任何想法、方法、说明或产品而导致的人身伤害或财产损失不承担责任。
版权：© 2026 by the authors. 版权归属作者，授权方为瑞士巴塞尔的MDPI。本文为开放获取文章，根据知识共享署名（CC BY）许可条款分发。
【全文结束】