人工智能在急性冠状动脉综合征院前评估中的应用：一项范围综述

《BMC Emergency Medicine》：Artificial intelligence in prehospital assessment of acute coronary syndrome: a scoping review

　　

摘要

背景

急性冠状动脉综合征（ACS）仍然是全球发病率和死亡率的主要原因，及时诊断至关重要。由于诊断资源有限和临床不确定性高，院前评估具有挑战性。人工智能（AI）作为一种潜在工具，已被用于支持早期诊断、风险分层和分诊。本综述旨在梳理当前关于AI在疑似ACS院前评估中的应用证据，并识别现有的知识空白。

方法

本研究遵循PRISMA-ScR指南进行了综述。对PubMed、Scopus、Web of Science和Embase进行了全面搜索，截止时间为2026年5月。纳入了使用院前数据评估ACS诊断、预测或分诊的基于AI的模型相关研究。

结果

共纳入了19项研究，涉及319,709名患者。基于AI的模型，尤其是基于心电图（ECG）的深度学习和多模态方法，表现出良好的诊断性能，AUC值通常在0.81到0.99之间，敏感性在73%到94%之间，特异性在56%到99%之间。这些模型在某些情况下提高了敏感性，减少了诊断变异性，并提升了分诊效率。风险预测模型的表现中等至良好（AUC约为0.71–0.95），但变异性较大。新兴应用不仅限于诊断，还扩展到风险分层和决策支持，包括预测心源性休克和再血管化需求。

结论

AI在改善疑似ACS的院前评估方面显示出巨大潜力，尤其是在增强心电图解读和多模态数据整合方面。然而，现有证据仍受方法学限制的制约。未来需要开展标准化方法的前瞻性多中心研究，以支持临床应用。