歐洲團隊發表心臟病 AI 預測模型 術後死亡風險命中率達九成

心肌梗塞患者在接受緊急手術後，往往仍面臨嚴峻的術後死亡風險。荷蘭阿姆斯特丹大學醫學中心與瑞士藥廠羅氏（Roche）組成的跨國團隊，近期開發出一款名為 PERISCOPE 的監督式機器學習模型，能夠更精準評估患者術後的死亡風險，相關成果於ESC Digital & AI Summit正式發表。

根據外媒報導，這項技術主要針對「ST段上升型心肌梗塞」（STEMI，一種因冠狀動脈完全堵塞引發的嚴重急性心臟病）患者。在臨床治療上，患者通常會接受經皮冠狀動脈介入治療（俗稱心導管手術），以打通阻塞血管。然而，術後的復原與風險評估長期缺乏簡便且高準確率的工具。

過去臨床指引多半仰賴傳統的 GRACE 2.0 風險評估工具，但研究人員 Andrea Rafanelli 指出，現行指引推薦的評分機制主要在患者「剛抵達急診室、手術前」預測住院與半年內的死亡風險，無法反映心導管手術後的實際變化。而現有的術後評估模型，又往往需要輸入大量非例行檢驗的數值，大幅限制了日常臨床的實用性。

為了解決臨床落差，PERISCOPE 模型採用邏輯斯迴歸架構，只仰賴醫院常規收集的人口統計、臨床病徵與血液檢驗等基礎指標。該模型先以美國 38,489 名患者資料進行訓練，在 119,035 名美國獨立患者群中測試，並於阿姆斯特丹大學醫學中心的 6,776 名患者完成外部驗證。

外部驗證數據顯示，PERISCOPE 在預測住院期間死亡風險的準確度達 91%，顯著高於 GRACE 2.0 的 85%；在評估術後六個月死亡風險方面，PERISCOPE 的準確度也達到 80%，優於 GRACE 2.0 的 74%。

醫療 AI 導入臨床的關鍵，在於醫師能否理解預測邏輯並產生信任。PERISCOPE 透過常見的常規檢驗數據運算，避開了複雜且難以解釋的黑盒子參數。Andrea Rafanelli 表示，該模型能提供易於導入的機制，協助醫護人員快速分流高風險患者，但未來仍須在更多元族群與前瞻性臨床試驗中驗證，才能正式走入日常醫療現場。