AI-ECG算法早期诊断急性心梗的外部验证:两项欧洲前瞻性诊断队列共12630例

人工智能 2026-11-17 19 阅读

The Lancet regional health. Europe · 2026-11-07 · 期刊论文

  • 一句话结论:该AI-ECG模型(AiTiA MI v2.00.00)对急性心肌梗死的诊断判别力为良好而非很高(AUC 0.78与0.84),低于hs-cTnT(AUC 0.94与0.93);与hs-cTnT联合时判别力略有提升(AUC均0.95,p<0.001),提示其增量价值而非替代价值。
  • 研究设计与做法:研究为前瞻性诊断队列的外部验证,纳入两项欧洲急诊疑似AMI队列APACE(5047例)与APACE-Light(7583例),共12630例有数字12导联心电图者;主要结局为按第四版心肌梗死通用定义中心判定的AMI;对照包括BASEL评分、hs-cTnT、重校准HEART评分(仅APACE)及90分钟整合医师判断。
  • 主要结果:判定AMI者分别为19%(968/5047)与18%(1386/7583)。在有就诊时hs-cTnT者(n=5031与n=7565)中,AI-ECG的AUC为0.78(95%CI 0.77–0.80)与0.84(0.83–0.85),AUPRC为0.56(0.53–0.59)与0.65(0.62–0.67);预设分诊阈值排除14%(706/5031)与19%(1437/7565),对AMI的敏感度为97.6%(96.5–98.5)与97.5%(96.6–98.3)。
  • 机制或解释:作者解释为:仅凭心电图不太可能排除AMI,故将AI-ECG与hs-cTnT联合可能改善急诊决策;模型原基于韩国人群数据开发,本研究检验其在欧洲人群中的表现。更具体的机制性解释材料未报告。
  • 局限与边界:局限包括:外部验证人群为欧洲急诊就诊者,结论向其他地区与人群的外推性材料未报告;预设阈值下敏感度虽高但未达极高水平,作者明确不主张单凭心电图排除AMI;随访时长材料未报告;研究由多家企业及基金会资助,存在潜在利益冲突。
  • 可否落地:落地含义:AI-ECG可作为hs-cTnT之外的辅助信息用于急诊分诊,证据档位为C,属「提示」级别,尚不足以下结论支持其单独用于排除或确诊AMI;作者呼吁开展前瞻性研究验证联合策略的实际决策价值。

🔗 打开原文

Champetier A, Lee MS, Lopez-Ayala P 等


本文摘自《每日前沿研究简报 · 2026-11-17》「AI 医学影像与临床决策」。本内容仅用于研究信息整理与科普交流,不构成医疗建议。

评论 共 0 条

暂无评论

微信小程序

微信扫一扫体验

立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部