急性冠状动脉综合征的诊断和评估联合（CoDE-ACS）是一种经过验证的临床决策支持工具，它使用机器学习在灵活的时间点进行或不进行连续的心肌肌钙蛋白测量，以计算心肌梗死（MI）的概率。CoDE-ACS如何在不同时间点进行连续测量，并与指南推荐的依赖于固定阈值和时间点的诊断路径进行比较，目前尚不清楚。近日，Circulation发表的一项研究发表了相关研究结果。
心肌梗死仍是世界范围内死亡的主要原因之一。在欧洲和北美，每年有超过1500万可能患有心肌梗死的患者前往急诊科就诊，导致大量资源的使用和拥挤。早期识别有和无心肌梗死的患者对指导治疗和防止不必要的检查或住院很重要。国际指南推荐使用高灵敏度心肌肌钙蛋白测定和欧洲心脏病学会（ESC）0/1小时和ESC 0/2小时连续检测法排除心肌梗死，或通过优化单一肌钙蛋白测量路径排除心肌梗死，例如High-STEACS路径。这些加速诊断路径对所有患者使用固定的心肌肌钙蛋白阈值，不考虑已知影响肌钙蛋白的年龄或合并症。此外，ESC 0/1小时和ESC 0/2小时算法需要在精确的时间点进行连续测量，但灵活性有限，这可能具有挑战性，并且在临床实践中使用有限。
为克服这些挑战并鼓励采用加速诊断路径，CoDE-ACS的研究人员开发了一种决策支持工具，该工具使用机器学习将心肌肌钙蛋白作为连续测量指标与已知影响心肌肌钙蛋白浓度的特征相结合，以计算个体患者发生心肌梗死的概率。CoDE-ACS具有良好的诊断性能，理论上可灵活应用，在需要的时间点进行连续检测，方便患者和临床医生。然而，CoDE-ACS系列心肌肌钙蛋白检测在不同时间点的表现是否一致尚不清楚，其性能与指南推荐的使用固定阈值和时间点的加速诊断路径相比尚未进行系统研究，为此这项研究进行了相关探索。
研究方法
这项研究在5个国家的12个中心招募可能患有非ST段抬高的心肌梗死患者，并在0、1和2小时进行一系列高灵敏度心肌肌钙蛋白I浓度测量。与指南推荐的ESC 0/1小时、ESC 0/2小时和High-STEACS（高敏感性肌钙蛋白在疑似ACS患者评估中的应用）路径相比，在每个时间点确定CoDE-ACS模型对1型心肌梗死的诊断性能，以及既往验证的低概率和高概率评分的有效性。
研究结果
共计纳入4105例患者（平均年龄61岁[四分位数间距50~74]，包括32%的女性），其中575人（14%）患有1型心肌梗死。在报告时，CoDE-ACS识别出56%的患者为低概率，阴性预测值和敏感性为99.7%（95%CI：99.5%~99.9%）和99.0%（98.6%~99.2%），排除了较ESC 0小时和High-STEACS（25%和35%）路径更多的患者。结合第二次心肌肌钙蛋白测量，CoDE-ACS在1或2小时时识别出65%或68%的患者为低概率，相应的阴性预测值为99.7%（99.5%~99.9%），高概率分别为19%和18%，阳性预测值分别为64.9%（63.5%~66.4%）和68.8%（67.3%~70.1%）；中等概率是16%或14%。对比之下，经过连续测量，ESC 0/1小时、ESC 0/2小时和High-STEACS路径分别鉴定出49%、53%和71%的患者为低风险，阴性预测值分别为100%（99.9%~100%）、100%（99.9%~100%）和99.7%（99.5%~99.8%）；20%、19%、29%为高风险，阳性预测值分别为61.5%（60.0%~63.0%）、65.8%（64.3%~67.2%）、48.3%（46.8%~49.8%），需要在急诊科进一步观察的分别为31%、28%、0。
图1. 使用发病时、1小时和2小时心肌肌钙蛋白测量的CoDE-ACS评分的诊断性能
讨论与结论
在这项国际多中心研究中，纳入有心肌梗死症状的患者，比较了CoDE-ACS决策支持工具使用机器学习在不同时间点连续测量心肌肌钙蛋白和依赖于固定时间点检测的指南推荐诊断路径诊断心肌梗死的性能。
研究报告了一些与临床决策支持工具在实践中应用相关的研究结果。首先，CoDE-ACS对心肌梗死的鉴别在发病时与在1或2小时连续测量心肌肌钙蛋白相似，从而使后续测量能在灵活方便的时间点进行。其次，与指南推荐的路径相比，CoDE-ACS识别出更多的患者为低概率心肌梗死，而较少的患者为高概率心肌梗死，PPV改善。特别值得一提的是，CoDE-ACS评分识别心肌梗死高概率患者优于用于识别高危患者的第99百分位阈值High-STEACS路径。第三，CoDE-ACS识别的中等概率患者少于ESC 0/1小时和ESC 0/2小时算法的进一步观察患者。第四，研究验证了或多或少保守的低概率和高概率评分，因此CoDE-ACS可被卫生保健提供者灵活地应用于优化患者的诊断路径中。
无论连续心肌肌钙蛋白测量的时间如何，CoDE-ACS的表现都一致，识别出更多的低概率心肌梗死患者，其与指南推荐的心肌梗死路径相似。CoDE-ACS可减少不必要的检查和住院，但还需要前瞻性研究来确定由概率指导的诊疗是否能提高心肌梗死的诊断。
参考文献：Jasper Boeddinghaus ,Dimitrios Doudesis ,Pedro Lopez-Ayala,etal.Machine Learning for Myocardial Infarction Compared With Guideline-Recommended Diagnostic Pathways.Circulation. 2024;149:00–00. DOI: 10.1161/CIRCULATIONAHA.123.066917
