摘要
药物涂层心血管设备（DCCDs），包括药物洗脱支架（DESs）和药物涂层球囊（DCBs），通过减少再狭窄并改善长期预后，显著推动了介入心脏病学的发展。然而，其有效性受限于患者-设备不匹配、药物递送动力学差异以及对操作者经验的依赖等挑战。传统设备选择和性能评估策略往往难以应对患者特异性复杂性。本综述旨在探讨人工智能（AI）如何优化DCCDs的设计、部署和监测，重点关注个性化治疗策略、监管影响及介入心脏病学的未来创新。研究在2020至2025年间通过PubMed、Scopus和Web of Science进行定向文献检索，关键词包括“人工智能”“药物洗脱支架”“心血管设备”“机器学习”和“血管内成像”。纳入研究基于其与DCCD设计、手术支持或术后监测中AI应用的相关性。AI在DCCD全生命周期中展现出显著潜力：在设计阶段，机器学习模型可优化药物释放动力学和设备几何结构；在手术过程中，AI提升血管内成像的实时解读能力，并为精准设备定位提供指导；术后阶段，基于患者数据的预测分析有助于早期发现支架内再狭窄等并发症。此外，模型验证、数据偏差及决策算法透明度等技术、监管和伦理挑战仍需解决。AI驱动方法为心血管设备技术向更自适应、个性化和高效诊疗的范式转变提供了前景。将可解释且经临床验证的AI系统与DCCDs整合，可改善治疗效果、降低手术变异性并支持基于价值的医疗。未来研究应优先发展术中实时反馈系统、基于纵向患者数据的自适应AI模型，以及确保监管合规与公平性的策略。
关键词
人工智能
药物涂层心血管设备
心血管介入
监测
【全文结束】
