索菲亚安提波利斯讯：在欧洲心脏病学会（ESC）下属急性心血管护理协会（ACVC）2026年年会上公布的一项研究显示，基于人工智能（AI）的ECG解读方法在检测闭塞性心肌梗死（MI）方面优于传统诊断方式。
对于疑似急性冠脉综合征（ACS）患者，ECG上特定的ST段抬高变化提示冠状动脉可能存在闭塞。此类心脏病被称为ST段抬高型心肌梗死（STEMI），需立即实施经皮冠状动脉介入治疗以恢复心脏血流。若患者未出现ST段抬高，胸痛原因则难以确定，需进一步检查确认是否由闭塞性病变引发。
意大利博尔扎诺中心医院费德里科·纳尼（Federico Nani）医生指出："许多无ST段抬高的患者实际存在闭塞性心肌梗死，但临床医生难以快速准确识别，导致急诊治疗延误。我们研究了基于AI的初始ECG解读能否提升无ST段抬高患者中闭塞性MI的检出准确率，以优化患者管理。"
这项单中心前瞻性研究纳入1,490名有ACS症状但初始ECG无ST段抬高的患者，平均年龄63岁，女性占42%。临床医生依据ESC指南解读初始ECG、检测心肌肌钙蛋白水平，并在必要时进行冠状动脉造影诊断闭塞性MI。同时，初始ECG由经CE认证的智能手机AI-ECG算法同步解读。
AI-ECG解读将1,382名患者排除闭塞性MI（93%），检出108名患者（7%）。该方法对闭塞性MI的总体识别准确率达84%，敏感性77%、特异性99%、阴性预测值98%，假阴性27例（2%），假阳性17例（1%）。
传统诊断路径中，1,207名患者通过肌钙蛋白水平排除闭塞性MI，283名患者接受冠状动脉造影确认诊断。整体而言，人工ECG解读对闭塞性MI的识别准确率仅为42%。
纳尼医生总结道："这种简单易行的AI方法在识别和排除无ST段抬高患者的闭塞性MI方面，显著优于传统诊断路径。虽需多中心研究进一步验证，但结果表明AI-ECG解读可作为现有决策工具的有力补充，提升早期识别效率并保障及时有效治疗。"
人工智能在心血管疾病管理中的应用价值，将成为2026年8月28-31日德国慕尼黑举行的欧洲心脏病学会年会的重点议题。
【全文结束】
