2024年歐洲心臟疾病研究大會(huì)展覽會(huì)熱門話題之一：使用人工智能（AI）來(lái)幫助臨床決策，以識(shí)別和管理因疑似心臟病而到急診科（ED）就診的患者的心肌梗死（MI;心臟病發(fā)作），但并不能改善心血管結(jié)局。這種基于人工智能的臨床決策支持是安全的，并增加了循證護(hù)理的采用。
“人工智能在醫(yī)療保健領(lǐng)域的一個(gè)關(guān)鍵承諾是作為一種工具，幫助醫(yī)療專業(yè)人員更快、更準(zhǔn)確地診斷患者，以及更客觀地量化預(yù)后，最終使他們能夠更快地開始適當(dāng)?shù)闹委熞詢?yōu)化患者的預(yù)后，”維多利亞心臟研究所莫納什健康中心維多利亞心臟病醫(yī)院的主要作者KristinaLambrakis說(shuō)，莫納什大學(xué)和澳大利亞弗林德斯大學(xué)醫(yī)學(xué)與公共衛(wèi)生學(xué)院。
她補(bǔ)充說(shuō)：“我們涉及南澳大利亞州疑似心臟病患者的大型整群隨機(jī)試驗(yàn)并沒有改善臨床結(jié)果，但它確實(shí)強(qiáng)調(diào)了實(shí)時(shí)人工智能影響臨床決策和循證護(hù)理實(shí)踐的能力。為了改善臨床結(jié)果，可能需要更多地采用AI洞察并將AI洞察整合到臨床工作流程中。”
高敏肌鈣蛋白（hs-cTn）測(cè)試（一種在血液中檢測(cè)到的指示心肌損傷的生物標(biāo)志物）的廣泛使用提高了識(shí)別心肌損傷個(gè)體的能力，即使是非常輕微的心肌損傷。然而，這些更敏感的測(cè)試也使肌鈣蛋白結(jié)果的解釋更具挑戰(zhàn)性，因?yàn)楝F(xiàn)在結(jié)果升高可能是由于1型MI（冠狀動(dòng)脈斑塊破裂引起的心臟病發(fā)作）以外的大量原因造成的，誤解會(huì)導(dǎo)致潛在的無(wú)端調(diào)查、風(fēng)險(xiǎn)和成本。
此外，這種復(fù)雜的診斷決策通常需要由急診科的臨床醫(yī)生做出，他們沒有接受過(guò)高級(jí)心臟病學(xué)培訓(xùn)，并且看到的是高度不易治療的病人，這使得他們?cè)诮忉宧s-cTn結(jié)果時(shí)區(qū)分各種形式的心肌損傷更具挑戰(zhàn)性。
為了幫助醫(yī)生做出正確的診斷，目前的2018年第四次心肌梗死通用定義（UDMI）指南旨在通過(guò)描述需要特定治療的心肌梗死和心肌損傷分類來(lái)支持hs-cTn解釋。
第4個(gè)UDMI將心肌損傷定義為肌鈣蛋白升高，其中至少有一個(gè)值高于第99個(gè)百分位參考上限。重復(fù)采樣結(jié)果之間肌鈣蛋白水平的差異決定了它是急性心肌損傷還是慢性心肌損傷。心肌損傷可由多種情況引起，包括敗血癥、腎病、心力衰竭和劇烈運(yùn)動(dòng)。
要診斷心肌梗塞（MI），患者必須有急性心肌損傷以及急性心肌缺血的證據(jù)——心電圖檢測(cè)到的心肌供氧短缺，胸部、手臂或下巴疼痛等癥狀，或影像學(xué)證據(jù)。
尚不清楚第4個(gè)UDMI分類系統(tǒng)的臨床使用是否導(dǎo)致患者預(yù)后改善。使用基于第4個(gè)UDMI的AI算法來(lái)支持臨床決策，有助于指導(dǎo)hs-cTn解釋并改善結(jié)果。
為了填補(bǔ)這一重要證據(jù)空白，RAPIDxAI試驗(yàn)在2023年4月15日至12月31日期間在南澳大利亞的6個(gè)大都市和6個(gè)農(nóng)村急診科招募了14,131名就診并接受hs-cTn檢測(cè)的患者（18歲及以上）。6家醫(yī)院被隨機(jī)分配到對(duì)照組（即不變的實(shí)踐標(biāo)準(zhǔn)），6家醫(yī)院被隨機(jī)分配到干預(yù)組（即實(shí)施基于AI的臨床決策支持）。
共有3,029名患有心肌損傷（基于hs-cTn的肌鈣蛋白升高）和疑似心臟病因的患者（平均年齡74.5歲;58%為女性）被納入主要意向治療分析（1,461名患者到對(duì)照醫(yī)院就診，1,568名患者在AI決策支持下到醫(yī)院就診）。
主要關(guān)注指標(biāo)是心血管（CV）死亡、新發(fā)/復(fù)發(fā)性MI和6個(gè)月內(nèi)計(jì)劃外的CV再入院。安全終點(diǎn)是直接從急診科出院的患者30天內(nèi)的全因死亡或MI。
在意向治療分析中，研究人員發(fā)現(xiàn)兩組之間的結(jié)果沒有差異，干預(yù)組有408/1568名參與者（26.0%），對(duì)照組有385/1461名參與者（26.4%）在6個(gè)月內(nèi)經(jīng)歷CV死亡、MI或計(jì)劃外的CV再入院。
同樣，在整個(gè)隊(duì)列中，主要終點(diǎn)發(fā)生在干預(yù)組的680名（9.4%）參與者和718名（10.4%）對(duì)照組中。
重要的是，在未被人工智能驅(qū)動(dòng)的決策支持歸類為1型MI的患者中（即冠狀動(dòng)脈造影未顯示有益的情況下），與常規(guī)護(hù)理組相比，干預(yù)組進(jìn)行有創(chuàng)冠狀動(dòng)脈造影的可能性降低了47%（66/1265;5%vs112/1186;9.4%）。
此外，當(dāng)患者被基于人工智能的決策支持歸類為1型心肌梗死時(shí)，他們更有可能接受他汀類藥物的治療（82%[248/303]vs68%[187/275]）；更有可能接受抗血小板治療（56%[248/303]vs44%[120/275]）與常規(guī)護(hù)理組相比，更有可能開具鹽皮質(zhì)激素抑制劑（56%[78/303]vs44%[48/275]）。
在直接從急診科出院的患者中，在有決策支持的醫(yī)院接受治療的患者在30天內(nèi)沒有死亡或發(fā)生心肌梗死，其發(fā)生率高于接受常規(guī)治療的醫(yī)院患者（0.86%[40/4664]vs1.1%[48/4350]非劣效性p<0.001）。
“我們發(fā)現(xiàn)早期危害或?qū)痹\科出院決策的負(fù)面影響沒有增加，這確立了基于AI的臨床決策支持的安全性，”莫納什大學(xué)維多利亞心臟研究所維多利亞心臟醫(yī)院、莫納什健康中心和澳大利亞弗林德斯大學(xué)醫(yī)學(xué)與公共衛(wèi)生學(xué)院的資深作者DerekChew教授說(shuō)?！拔覀兿乱徊桨ㄌ剿髟谂R床社區(qū)中增強(qiáng)對(duì)基于AI的臨床決策支持的信任和采用的方法，研究新的護(hù)理模式，其中可以集成此類基于AI的決策支持工具以提高衛(wèi)生系統(tǒng)的有效性和效率，以及評(píng)估基于AI的其他急性心臟病的決策支持，在這些疾病中，早期識(shí)別是優(yōu)化結(jié)果的關(guān)鍵挑戰(zhàn)和驅(qū)動(dòng)力?！?/span>
中國(guó)組展機(jī)構(gòu)：盈拓展覽，以創(chuàng)新科技和服務(wù)體驗(yàn)為核心競(jìng)爭(zhēng)力，引領(lǐng)中國(guó)出境展覽服務(wù)行業(yè)發(fā)展。助力企業(yè)出海，共贏未來(lái)。
下屆展會(huì)時(shí)間：2025年08月
展會(huì)行業(yè)：醫(yī)療
