心筋梗塞：閉塞型心筋梗塞の心電図診断およびリスク層別化のための機械学習

冠動脈の完全な閉塞型心筋梗塞（OMI）だが心電図（ECG）でST上昇を認めない患者が増加している。これらの患者は予後が不良で、緊急の再灌流療法が有効であるが、現在、最初のトリアージにおいて、こうした患者を識別するための正確な手段はない。本論文では、OMIのECG診断のための機械学習モデルを開発するため、我々が知る限り最初の観察コホート研究を報告する。我々は、複数の臨床施設の7313人の治療継続患者データを使用して、人工知能モデルを導き出し、外部検証を行った。このモデルは、臨床医や他の広く使われている市販のECG解釈システムよりも優れており、精度と感度の両方が大幅に高められている。我々が導き出したOMIリスクスコアは、日常診療に関連する鑑別と除外の診断精度を高めるものであり、また、熟練の救急医療担当者の臨床判断と組み合わせると、胸痛患者3人に1人の割合で正確な再分類に役立った。我々のモデルが基にするECGの特徴の妥当性は、臨床の専門家によって検証されており、心筋障害の妥当な機構との関連を提供するものである。