Применение искусственного интеллекта для анализа ЭКГ повышает диагностическую точность и снижает количество ложных активаций по поводу инфаркта миокарда с подъемом сегмента ST: данные многоцентрового реестра США
Актуальность.
Своевременная реперфузия имеет критическое значение для снижения смертности при инфаркте миокарда с подъемом сегмента ST (ИМпST). Хотя активация катетеризационной лаборатории (КЛ) на основе данных ЭКГ при первом медицинском контакте улучшает системные показатели реагирования, диагностическая неопределенность — особенно при атипичных проявлениях — способствует ложноположительным активациям (ЛПА) и задержкам реперфузии.
Цель.
Оценить диагностическую эффективность и операционное влияние анализа ЭКГ на основе искусственного интеллекта (ИИ) в условиях реальной практики при сортировке пациентов с ИМпST по данным многоцентрового реестра США.
Методы.
Авторы провели ретроспективный анализ 1032 пациентов с подозрением на ИМпST, у которых была выполнена экстренная активация КЛ в трех географически различных центрах чрескожного коронарного вмешательства (ЧКВ) (январь 2020 – май 2024). Первичные ЭКГ прошли стандартную сортировку и слепой ретроспективный анализ с помощью ИИ (алгоритм Queen of Hearts, PMcardio), обученного выявлять острую окклюзию коронарной артерии и ее доброкачественные имитации. Референсным стандартом служило ангиографически подтвержденное поражение-«виновник» в сочетании с положительными показателями ферментов. Сравнивались диагностическая точность, результаты подгруппового анализа и реклассификация ЛПА.
Результаты.
Из 1032 экстренных активаций КЛ ИМпST был подтвержден у 601 (58,2%) пациента. Модель ИИ для анализа ЭКГ превзошла стандартную сортировку, продемонстрировав более высокую чувствительность при анализе первичной ЭКГ: 553/601 (92,0%, 95% ДИ: 89,7–94,1) против 427/601 (71,0%, 95% ДИ: 67,4–74,6); снизив частоту ЛПА: 34/431 (7,9%, 95% ДИ: 6,4–9,6) против 180/431 (41,8%, 95% ДИ: 38,9–44,7); и повысив специфичность: 431/531 (81,0%, 95% ДИ: 77,2–84,5) против 154/531 (29,0%, 95% ДИ: 24,8–33,4) (во всех случаях p < 0,001). Площадь под ROC-кривой (AUC) для модели ИИ составила 0,94 (95% ДИ: 0,92–0,95), при этом производительность оставалась стабильной в клинически сложных подгруппах (например, при фибрилляции предсердий, блокаде ножки пучка Гиса, эквивалентах ИМпST). Модель ИИ правильно реклассифицировала 277/306 (91%) ЛПА с отрицательными биомаркерами.
Выводы.
Анализ ЭКГ на основе ИИ значимо улучшил выявляемость ИМпST, сократил количество ложных активаций и усилил распознавание нетипичных проявлений. Это подтверждает целесообразность интеграции анализа ЭКГ на основе ИИ в алгоритмы ведения пациентов с острой болью в груди.
По материалам: Herman, R, Mumma, B, Hoyne, J. et al. AI-Enabled ECG Analysis Improves Diagnostic Accuracy and Reduces False STEMI Activations: A Multicenter U.S. Registry. J Am Coll Cardiol Intv. https://www.jacc.org/doi/10.1016/j.jcin.2025.10.018