2025年3月29~31日，第74届美国心脏病学会年度科学会议(ACC.25)在美国芝加哥举行。天津医科大学第二医院陈康寅教授、刘彤教授团队于大会发表了一项“An Interpretable Machine Learning Model Using Routine Lab Tests to Predict 1-Year Cardiac Death in AMI Patients Post-PCI”研究，旨在使用常规的实验室检查指标建立可解释的机器学习模型以预测急性心肌梗死（AMI）后经皮冠状动脉介入治疗（PCI）的患者后续1年的心源性死亡。项目研究者王家裕博士代表团队在ACC大会作报告。
图1. 陈康寅教授团队王家裕博士于大会现象进行研究成果展示
研究背景
AMI患者行经 PCI后1年内心源性死亡（1-year CD）的预测仍是重大临床挑战。这一研究旨在构建基于常规实验室检测指标的可解释性机器学习（machine learning, ML）模型，用于预测AMI患者PCI术后1-year CD风险。
研究方法
研究数据来源于2010年1月至2024年3月期间中国天津82家医院接受PCI的19 284例AMI患者构成的回顾性队列，其中70%数据用于模型训练，30%用于内部验证。另纳入天津医科大学第二医院的心脏中心的2048例患者作为外部验证集。基于常规实验室检测指标，研究者共开发了9种ML模型，其中轻量梯度提升机（light gradient-boosting machine, LightGBM）模型综合表现最佳，将其与全球急性冠状动脉事件注册（Global Registry of Acute Coronary Events, GRACE）评分进行性能比较，同时采用SHAP（Shapley additive explanations）方法解释特征重要性。
研究结果
1）LightGBM模型在9种ML模型中表现出最佳的受试者工作特征曲线的曲线下面积（ROC-AUC）和精确率-召回率曲线的曲线下面积（PR-AUC）。
图2. 9种ML模型在内部验证集中预测AMI患者PCI术后1-year CD风险的ROC、PR，LightGBM模型在内部验证集中的校准曲线及临床决策曲线（A）9种ML模型的ROC曲线；（B）9种ML模型的PR曲线；（C）LightGBM模型的校准曲线；（D）LightGBM模型的临床决策曲线
2）外部验证集结果显示LightGBM模型预测AMI患者PCI术后1-year CD风险的效能显著优于GRACE评分。
图3. LightGBM模型和GRACE评分系统在外部验证集中预测AMI患者PCI术后1-year CD风险的ROC曲线
3）与GRACE评分相比，LightGBM模型展现出显著的增量预测效能，其连续净重分类指数（NRI）为0.515（95% CI：0.417~0.610），综合判别改善指数（IDI）为0.272（95% CI：0.219~0.324），两者P值均<0.001。
表1. LightGBM模型的增量预测价值
4）采用SHAP方法可视化LightGBM模型预测AMI患者PCI术后1-year CD的决策机制。
图5. LightGBM模型预测AMI患者PCI术后1-year CD的SHAP图。（A）模型中各个特征的SHAP值分布；（B）模型中各个特征的平均SHAP值的重要性排序；（C）模型中各个特征与预测结果间的非线性关系；（D）随机选取的第15号样本中特征对预测结果的具体贡献
研究结论
这一研究基于常规实验室检测指标，采用LightGBM算法构建了AMI患者PCI术后1-year CD风险预测模型。外部验证结果显示，该模型的预测性能显著优于传统GRACE评分。通过SHAP可解释性分析发现，血清肌酐、年龄和空腹血糖等指标对模型预测贡献度最高，这为理解模型的决策机制提供了重要依据。该预测工具具有良好的判别效能和临床适用性，其应用可能有助于临床医师更早识别高危患者，并为制定个体化治疗策略提供客观参考依据。
研究点评
这一研究创新性地将常规实验室指标与机器学习技术结合，成功构建了AMI患者PCI术后1-year CD风险的预测模型。其亮点在于：1）基于大规模多中心数据开发模型，并严格进行外部验证，显著提升了结果的普适性；2）模型性能超越传统GRACE评分，且通过连续净重分类指数和综合判别改善指数量化了临床增益；3）SHAP可解释性分析客观量化了血清肌酐、年龄及空腹血糖等已知危险因素对预测模型的具体贡献程度，为临床决策提供了数据支持。
未来研究可进一步拓展该模型的应用价值，通过前瞻性队列验证来进一步确认其预测效能，并探索模型与现有诊疗流程的整合方式。总体而言，该研究为心血管精准医疗提供了高效工具，为AMI患者的个体化风险管理提供新的解决方案。
专家简介
陈康寅 教授
博士，博士生导师，天津医科大学第二医院党委书记，天津市河西区人大代表，国家卫健委冠心病介入培训基地导师，天津心脏病学研究所冠心病介入研究室副主任，欧洲心脏病学会专家会员（FESC），中华老年医学会青年委员，中国医院协会健康医疗大数据专委会常委，中国心血管病研究杂志编委。在临床工作中，擅长冠心病介入诊疗和心血管病危重症救治。研究方向为冠心病介入治疗和人工智能及大数据分析。曾在韩国高丽大学研修，第1作者在Circulation、JACC-Cardiovascular Intervention等国际知名期刊上发表SCI论著9篇，通讯作者发表SCI论著20余篇，获实用新型专利1项、著作权5项。获天津市科技进步二等奖2项。主持国家自然科学基金面上项目、天津市科委科技重大专项、天津市卫健委科技项目人才专项、天津市教委科研重点项目等课题6项。获得津门医学英才、TCT-AP杰出研究奖、长城优秀青年医师奖、天津医科大学十佳医生、天津医科大学优秀研究生导师、天津市五一劳动奖章获得者、天津市第五届人民满意好医生等荣誉称号。
刘彤
天津医科大学第二医院心脏科主任，天津心脏病学研究所所长，入选国家百千万人才工程，人社部有突出贡献中青年专家，享受政府特殊津贴。主要从事心房颤动、肿瘤心脏病学的基础与临床研究。现任中国中医药研究促进会中西医结合心脏疾病防治分会会长，中国医疗保健国际交流促进会心律与心电分会副主任委员，中国老年保健医学研究会晕厥分会副主任委员，中华医学会心脏起搏与电生理分会委员，国际心电学会（ISE）青年委员，FESC，FHRS, Current Cardiology Reviews杂志（SCI收录）主编。第一/通讯作者在JACC，Circulation Research, Cardiovascular Research等期刊表发表论文100余篇。承担国家自然科学基金项目6项，主编及主译专著10部，获天津市科技进步奖4项。
刘鸿亚
内蒙古自治区人民医院心血管内科主治医师，天津医科大学第二医院心血管内科学博士研究生在读，导师陈康寅教授。研究方向：急性心肌梗死的精准医疗以及人工智能在心血管疾病中的应用。
王家裕
天津医科大学第二医院博士研究生在读，在导师陈康寅教授指导下从事心血管疾病真实世界研究、心血管疾病人工智能研究等，于欧洲心脏病学会年会、美国心脏病学会科学年会等学术会议多次进行壁报展示。
声明：本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。
