心脏病发作的症状有时与非心脏相关疾病相似，使诊断变得棘手。英国研究人员已转向机器学习，为医生提供一种快速准确的心脏病诊断方法，这有可能缩短诊断所需的时间，并为患者提供更高效、更有效的治疗。

目前，诊断心脏病发作的金星方法是测量血液中蛋白质肌钙蛋白的水平。心肌受损时会释放肌钙蛋白;通常在心脏病发作后3到12小时内水平急剧升高，约24小时后达到峰值。

全球许多医院都采用了诊断途径，包括在有人因疑似心脏病发作入院时评估肌钙蛋白水平。但它们有一些局限性：它们需要固定时间采集血液样本，这在急诊室环境中可能是一个挑战;他们只将患者分类为心脏病发作的低、中或高风险，而没有考虑其他重要信息，例如症状开始的时间或心电图(ECG)结果;而且，他们没有考虑性别、年龄和合并症的影响。

现在，英国研究人员已经开发出一种基于AI的机器学习算法，该算法既快速又准确。该算法被命名为急性冠状动脉综合征诊断和评估协作组织(CoDE-ACS)，旨在计算单个患者心脏病发作的概率。

研究人员使用了来自全球六个国家的10,286名可能患有心脏病的患者的数据。除了肌钙蛋白水平外，还使用患者的性别、年龄、心电图结果和病史“教”机器学习算法，以确定心脏病发作的可能性。

与现有方法相比，研究人员发现CoDE-ACS可以排除两倍以上的患者心脏病发作，准确率为99.6%。

该算法准确预测了不同亚组的心脏病发作，包括男性和女性、老年人、肾功能不全者或症状出现后及早到医院就诊的人。

研究人员表示，他们的CoDE-ACS算法可以防止不太可能心脏病发作的患者或心脏病发作后心肌损伤或死亡风险较低的患者不必要地住院。他们说，这将使紧急治疗更加高效和有效，确定哪些患者可以安全回家，哪些需要留下来接受进一步检查。

“对于因心脏病发作而出现急性胸痛的患者，早期诊断和治疗可以挽救生命，”该研究的通讯作者尼古拉斯米尔斯说。“不幸的是，许多情况都会导致这些常见症状，而且诊断并不总是那么简单。利用数据和人工智能来支持临床决策具有巨大的潜力，可以改善对患者的护理并提高我们繁忙的急诊科的效率。”

CoDE-ACS目前正在苏格兰进行试验，看看它是否可以减轻过度拥挤的急诊室的压力。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：心脏病患者症状