8月30日-9月2日，2024年欧洲心脏病学年会（ESC 2024）将在英国伦敦现场及全球在线拉开帷幕。在大会HOT LINE 12专场上，来自澳大利亚弗林德斯大学的Derek Chew教授将公布RAPIDxAI研究结果。POCKETIN基于既往发表的文献，特整理出该研究概述，供您速览。

研究背景

疑似心脏性胸痛的临床检查耗费大量资源。尽管人们寄予厚望，但高敏心肌肌钙蛋白（hs-cTn）检测并未简化决策过程。由于临床医生对肌钙蛋白检测结果的解释不尽相同，最近验证的快速分诊方案（包括0/1小时hs-cTn检测路径）的影响和结果可能会受到限制。此外，临床表现的多样性和短时间的护理也与建立一个自我学习的医疗系统相矛盾。RAPIDxAI研究旨在重新设计急诊科疑似心脏性胸痛评估的临床方法。将在急诊科部署和评估一种基于人工智能（AI）的表型算法，该算法利用现有的健康数据预测心肌梗死和损伤亚型的可能性，并为疑似心脏性胸痛患者的风险评估和临床决策提供前瞻性支持。

研究设计

这项前瞻性、多中心、开放标签、分组随机临床试验在12家城市和农村医院进行，采用盲法终点裁定，共招募了9,600例患者。临床决策支持工具将利用AI方法开发的算法，提供针对患者的客观诊断概率（即1型心肌梗死、2型心肌梗死、急性和慢性心肌损伤的可能性）和相应的预后评估。研究将对参与者进行为期12个月的随访，直至其出现合格的ED指数。作为本研究的重要组成部分，还将进行健康经济评估。 主要终点是首次发病后30天和12个月内的心血管死亡率、新发或复发心肌梗死以及计划外再次入院的复合终点。

研究结果及展望

该研究将部署一个专门设计的电子界面，以采集接受肌钙蛋白检测者的常规健康数据，然后将这些数据输入机器学习算法，这些算法将返回相关信息，为诊断和后续管理提供支持。具体来说，这些算法将客观地帮助划分心肌梗死、急性心肌损伤和慢性心肌损伤（或排除心肌损伤）的类型，并为后续管理提供循证指导。对这两个要素进行有目的的系统级设计，将建立一个自学环境，从而提高临床医生的决策能力，并支持消费者有意义地参与对疑似心脏性胸痛的护理。这将有助于为疑似心脏性胸痛患者提供更高效、更有效的患者护理，从而有望显著减少急诊室拥堵，促进适当的临床管理，减少护理差异，为所有患者实现公平的治疗结果。此外，它还将创建一个持久、系统的平台，加快将证据转化为临床实践。

临床医生如果能够使用利用AI的决策支持工具，就有可能加强对疑似心脏性胸痛的诊断和预后评估，从而提高临床效率、改善预后，并为自学医疗系统的持续评估和改进奠定基础。

参考文献：

https://doi.org/10.1016/j.hlc.2022.06.373https://healthtranslationsa.org.au/wp-content/uploads/2023/09/RAPIDx-AI-Executive-Summary_FOR-WEBSITE.pdf

Tags： ESC 2024丨重磅研究抢先看：利用人工智能加快证据到实践，重新设计急诊科疑似心源性胸痛评估的临床方法