前段時間，奇點糕偶然看到一篇保險公司的報告文章，裡面提到，從理賠資料來看，2022年“最危險”的三大重疾分別是惡性腫瘤、急性心肌梗死和卒中後遺症。雖然知道心肌梗死（MI）情勢嚴峻，但是排名第二，這屬實還是讓糕有點吃驚。

目前，MI的診斷主要依靠高靈敏度的心肌肌鈣蛋白檢測，但它們有一些侷限性，例如，閾值固定，沒有考慮年齡、性別和合並症因素，這導致約50%的女性可能在初始診斷中得到錯誤的結果[1]，另外，心肌肌鈣蛋白檢測基於特定時間點的連續檢測，在繁忙的急診科中很難持續進行[2]。

最近，《自然·醫學》雜誌上刊登的一項新研究[3]試圖解決這個問題，英國心臟基金會（BHF）的研究團隊開發了一個機器學習模型，將患者就診或連續檢測時的心肌肌鈣蛋白濃度與臨床特徵相結合，計算個體的急性冠脈綜合徵診斷和評估聯合（CoDE-ACS）評分（0-100），相當於量化評估個體的MI風險。

模型的建立基於10038例參與者（48%為女性）的資料，並且在7個佇列的10286例參與者中進行了驗證，對MI的區分能力極佳，曲線下面積（AUC）達到0.953。

CoDE-ACS的衍生佇列包含10038例疑似MI患者，中位年齡70歲，48%為女性，來自蘇格蘭的二級或三級保健醫院，是否為MI的診斷依據第四版通用MI定義，由兩位醫生獨立給出診斷結果，如存在分歧，則第三位醫生介入。

連續心肌肌鈣蛋白檢測的最終校正診斷顯示，就診時存在心肌損傷的6239例參與者中有49%被診斷為1、4b或4c型MI，13%為2型MI，38%為非缺血性MI，沒有心肌損傷的3799例參與者中這三類診斷結果的比例分別為3%、1%和1%。

研究人員首先計算了心肌肌鈣蛋白閾值的診斷效能，在就診時沒有心肌損傷的參與者中，＜5ng/L的排除閾值的陰性預測值為99.6%。按照年齡、性別、症狀發作後就診時間和估計腎小球濾過率（eGFR）等特徵分類的各亞組中，均存在顯著異質性，預測值較低。

接下來，他們使用參與者的資料對CoDE-ACS模型進行了訓練，CoDE-ACS模型將心肌肌鈣蛋白作為連續測量值，與年齡、性別、症狀發作時間、胸痛症狀、缺血性心臟病、高脂血症、心率、收縮壓、Killip分級、心電圖的心肌缺血結果、腎功能和血紅蛋白這些指標相結合。

在沒有心肌損傷的參與者中，CoDE-ACS評分＜3符合預先設定的低風險MI診斷表現標準，陰性預測值達到99.5%，敏感性為90.2%。在有心肌損傷的參與者中，CoDE-ACS評分≥61符合預先設定的高風險MI診斷表現標準，陽性預測值達到80.1%，特異性為83.4%。這一評分標準在不同亞組中得到了一致的結果。

CoDE-ACS＜3和≥61的陰性和陽性預測值

外部驗證佇列共選擇了7個回顧性佇列，涵蓋了6個國家的10286例參與者，中位年齡60歲，35%為女性。

在8664例和1622例有和沒有心肌損傷的參與者中，分別有1032例和267例最終診斷為MI，CoDE-ACS的區分能力很強，就診時的AUC為0.953，有連續心肌肌鈣蛋白檢測結果時的AUC為0.966。

CoDE-ACS的AUC

將就診時心肌肌鈣蛋白＜5ng/L應用於心電圖未顯示心肌缺血的症狀發作超過3小時的參與者中，可以排除27%的低風險MI，陰性預測值為99.7%，敏感性為98.3%，而使用CoDE-ACS評分＜3識別出了61%的低風險MI，陰性預測值為99.6%，敏感性為97.9%。

以就診時性別特異性心肌肌鈣蛋白水平的第99百分位為高風險閾值時，可以確定16%的高風險MI，陽性預測值為63.6%，特異性為93.4%，而使用CoDE-ACS評分≥61識別出了10%的高風險MI參與者，陽性預測值為75.5%，特異性為97.1%。

CoDE-ACS的兩個評分標準在絕大多數亞組中均具有較好的預測能力，僅在按照年齡或性別劃分的亞組中觀察到了部分異質性。

對於評分介於3-60之間的參與者，需要進行連續檢測，在第一次連續檢測時，CoDE-ACS評分＜3或≥61進一步識別出了額外的11%和5%的低風險和高風險MI參與者。

與就診時的識別結果相加之後，有72%的低風險MI參與者和15%的高風險MI參與者，陰性預測值為99.6%，敏感性為97.5%，陽性預測值為71.3%，特異性為95.1%，其餘15%為中等風險，可進行進一步的住院評估或門診隨訪。

包含機器學習模型的風險評分途徑比固定的心肌肌鈣蛋白閾值更靈活，允許醫院系統根據實際情況應用更加寬鬆或更加嚴格的標準來定義MI的低風險和高風險。

在就診後1年，驗證佇列中，有144例參與者（1.4%）因心臟原因死亡，317例（3.1%）因任意原因死亡。與CoDE-ACS評估的中或高風險的MI參與者相比，低風險MI參與者的30天心臟原因死亡率明顯更低（0.1 vs. 0.5 vs. 1.8%），全因死亡率也明顯更低（0.1 vs. 0.9 vs. 2.0%），1年心臟原因死亡率和全因死亡率也是如此（0.3 vs. 2.8 vs. 4.2%；1.1 vs. 6.1 vs. 6.7%，p＜0.001）。

研究人員指出，對於因心臟病發作而出現急性胸痛的的患者，早期診斷和治療可以挽救生命，但許多情況都會導致相似的症狀，醫生很難給出直接的診斷，利用大資料和人工智慧結合檢測結果給出臨床決策，有助於改善患者護理，提高急診科的診斷效率。

參考文獻：

[1] British Heart Foundation. Bias and Biology: How the gender gap in heart disease is costing women’s lives. Available at: https://www.bhf.org.uk/-/media/files/heart-matters/bias-and-biology-summary.pdf.

[2] Couch L S, Sinha A, Navin R, et al. Rapid risk stratification of acute coronary syndrome: adoption of an adapted European Society of Cardiology 0/1-hour troponin algorithm in a real-world setting[J]. European heart journal open, 2022, 2(4): oeac048.

[3] Doudesis D, Lee K K, Boeddinghaus J, et al. Machine learning for diagnosis of myocardial infarction using cardiac troponin concentrations[J]. Nature Medicine, 2023: 1-10.

來自： 奇點網