早期识别心肌梗死风险较高的患者，具有重要的临床意义。2019年8月，发表在《Circulation》的一项研究显示，机器学习算法的预测准确性高于欧洲心脏病学会的0/3小时路径。

背景：在目前的诊断方法中，还未考虑疑似心肌梗死患者的心肌肌钙蛋白浓度是否会因年龄、性别和取样间隔时间有所差别。研究者旨在通过机器学习所有这些变量来改善个体患者风险评估的准确性。

方法：机器学习算法（心肌缺血损伤指数（MI3））整合了年龄、性别和配对高敏感性心肌肌钙蛋白I浓度等参数，在3013名患者中训练该算法，在7998名疑似心肌梗死患者中进行验证。MI3使用梯度增强来计算可反映个体确诊为1型心肌梗死可能性的值（0~100），并评估了敏感性、阴性预测值、特异性和阳性预测值。通过调整和接受者操作特性曲线下面积进行评估。次要分析评估了训练集中示例MI3中可将患者分为低风险（99%敏感性）和高风险（75%阳性预测值）的阈值，并将这些阈值的性能与验证集中的第99百分位数及欧洲心脏病学会排除路径进行了比较。

结果：训练集中，有404名患者（13.4%）发生心肌梗死，验证集中有849人（10.6%）发生。验证集中，接受者操作特性曲线下面积为非常高的0.963（0.956~0.971）时，MI3可很好校准，在早期和晚期就诊患者中性能相似。可鉴别出训练集中低和高风险患者的MI3阈值分别为1.6和49.7。验证集中，有69.5%的MI3值＜1.6，阴性预测值为99.7%（99.5~99.8），敏感性为97.8%（96.7~98.7）；有10.6%的患者MI3值≥49.7，阳性预测值为71.8%（68.9~75.0）的患者中，特异性为96.7%（96.3~97.1）。使用这些阈值，在任何时间点，MI3的表现都好于欧洲心脏病学会的0/3小时路径（敏感性82.5%（74.5~88.8）；特异性92.2%（90.7~93.5））和第99百分位数（敏感性89.6%（87.4~91.6）；特异性89.3%（88.6~90.0））。

结论：使用机器学习，MI3可个体化和客观的评估心肌梗死可能性，可用于识别能从早期临床决策中获益的低和高风险患者。

英文链接：http://www.ncbi.nlm.nih.gov/pubmed/31416346

（选题审校：闫盈盈 编辑：贾朝娟）

（本文由北京大学第三医院药剂科翟所迪教授及其团队选题并审校，环球医学资讯编辑完成。）

如需转载，请联系医纬达客服邮箱：univadiscnhelpdesk@merck.com