編者按
中原標準時間2024年4月6~9日，第73屆美國心髒病學會科學年會（ACC.24）在美國亞特蘭大盛大召開。ACC作為全球最具影響力的世界心血管領域最進階别會議，全球心髒專家學者帶來了諸多科學研究的最新進展和成果。最新資料顯示，大陸每年突發急性心肌梗死（AMI）的患者超過100萬人，是全球首要死亡原因。
随着社會經濟的快速發展，年輕群體生活方式改變，AMI發病率呈年輕化趨勢，已成為當代社會公共衛生的主要威脅和社會負擔。對于年輕急性心肌梗死（PMI）的診治、預測及預防均是臨床關注的重點。天津市胸科醫院高靜教授團隊近年來在≤45歲年輕人群AMI方面做了大量系列研究和報道，團隊對單中心10年來PMI資料進行總結分析，在ACC.24的“缺血性心髒疾病專場”和“心力衰竭和心肌病專場”釋出了多項年輕心肌梗死最新原創性科學研究成果，展示了ACC中國之聲，為臨床診療帶來新啟發！
研究一：
4月7日中原標準時間：
02：45-03：30
進階機器學習預測早發心肌梗死患者冠狀動脈疾病嚴重程度
研究二：
4月7日中原標準時間：
02：45-03：30
開發院内射血分數保留型心衰（HFpEF）患者早期心梗風險評估的綜合算法
研究三：
4月7日中原標準時間：
21：15-22：00
45歲以下AMI患者的症狀發作和梗死面積的晝夜節律模式
研究一
Session Title: Ischemic Heart Disease(缺血性心髒疾病專場)
ADVANCED MACHINE LEARNING FOR PREDICTING CORONARY ARTERY DISEASE SEVERITY IN PATIENTS WITH PREMATURE MYOCARDIAL INFARCTION
進階機器學習預測早發心肌梗死患者冠狀動脈疾病嚴重程度
Jing Gao, Changping Li, Yuhang Wang, Jingxian Wang, Zhuang Cui, Yu Zhou, Anran Jing, Miaomiao Liang, Yin Liu, Tianjin Chest Hospital, Tianjin, People's Republic of China, Tianjin Medical University, Tianjin, People's Republic of China
研究方法
該研究為前瞻性、單中心、觀察性研究，連續納入2015年1月至2023年1月天津市胸科醫院年齡≤45歲的AMI患者1111例。病變嚴重程度根據其冠狀動脈造影SYNTAX評分分為低風險組（SYNTAX≤22分）與中高風險組（SYNTAX＞22分），并按7:3比例随機配置設定到訓練或驗證資料集中。通過Lasso-logistic回歸初步篩選出影響PMI患者冠脈病變嚴重程度的影響因素；訓練集資料應用随機森林（RF）、K-近鄰（KNN）、支援向量機（SVM）和XGBoost 4種機器學習方法分别建立預測模型，驗證集資料确定最佳預測模型，建立PMI患者冠狀動脈嚴重程度的預測系統。
研究結果
Lasso-logistic回歸确定了7個重要影響因素：糖化血紅蛋白、心絞痛、載脂蛋白B、總膽汁酸、B型腦鈉肽（BNP）、D-二聚體和纖維蛋白原。在驗證集中，随機森林（RF）、K近鄰（KNN）、SVM和XGBoost 4種機器學習建立的預測模型的曲線下面積（AUC）分别為：0.775、0.739、0.656和0.800，XGBoost模型為最佳預測模型（圖1），模型本身驗證中表現良好，最終基于XGBoost模型建立了可視化PMI患者冠狀動脈病變嚴重程度線上預測系統，網址為https://pmisyntax.shinyapps.io/appdecision/
研究結論
該研究基于機器學習開發了一個新穎、便捷的可視化風險預測系統，臨床易于獲得，易于評估。這使得該模型有望成為PMI患者病變嚴重程度的預早期區分工具，可以快速識别高風險人群，優化目前的診療體系，而且為臨床決策提供了新工具、新思路。
圖1. A-LASSO回歸lambda的最佳懲罰估計值；B-預測變量的LASSO回歸系數曲線；C-基于驗證集的不同機器學習算法ROC曲線；D-XGBoost的預測因子的相對重要性。
研究二
Session Title: Heart Failure and Cardiomyopathies (心力衰竭和心肌病專場)
DEVELOPING INTEGRATED ALGORITHMS FOR RISK ASSESSMENT OF IN-HOSPITAL HEART FAILURE WITH PRESERVED EJECTION FRACTION AMONG PATIENTS WITH PREMATURE MYOCARDIAL INFARCTION
開發院内射血分數保留型心衰（HFpEF）患者早期心梗風險評估的綜合算法
Jing Gao, Jingxian Wang, Changping Li, Zhuang Cui, Yuhang Wang, Yu Zhou, Anran Jing, Miaomiao Liang, Yan Liang, Yin Liu, Tianjin Chest Hospital, Tianjin, People's Republic of China, Tianjin Medical University, Tianjin, People's Republic of China
研究方法
該研究為前瞻性、單中心、觀察性研究，納入天津市胸科醫院≤45歲AMI患者840例。建構Lasso-Logistic、XGBoost、RF和KNN模型來識别PMI患者住院期間發生HFpEF風險。
研究結果
268例（31.9%）發生院内HFpEF，572例（68.1%）未發生心衰。将患者按8：2的比例随機配置設定到訓練集和測試集。結果表明，XGBoost模型在訓練集和測試集資料方面都表現出了較好的性能（AUC：0.848，Brier：0.148）。最終的模型包括10個預測因素，它們是BNP、SYNTAX評分、年齡、單核細胞-淋巴細胞比率、紅細胞壓積、C反應蛋白-淋巴細胞比率、入院心率、體重指數（BMI）、纖維蛋白原和高血壓（圖2）。最後，開發了一個可視化的風險評估和預測系統https://hfpefpmi.shinyapps.io/apppredict/中擷取，用于識别院内發生HFpEF的PMI患者。
研究結論
可視化線上預測系統在識别PMI患者住院發生HFpEF風險時顯示出良好的分類性能，便于臨床應用，有助于更精準地早期識别院内發生HFpEF風險的PMI高危人群，進而給予更積極的治療手段，改善預後，提高臨床診療水準。
圖2. A-不同模型在驗證集的ROC曲線；B-不同模型性能比較的雷達圖，包括精确率、準确率、AUC、F1分數和Brier分數；C-XGBoost模型預測變量的重要性排序圖；D-XGBoost模型預測變量的森林圖。
研究三
Session Title: Ischemic Heart Disease(缺血性心髒疾病專場)
CIRCADIAN PATTERN OF SYMPTOM ONSET AND INFARCT SIZE IN PATIENTS ≤45 YEARS WITH ACUTE MYOCARDIAL INFARCTION
45歲以下AMI患者的症狀發作和梗死面積的晝夜節律模式
Jing Gao, Jing Ma, Yan Cui, Jingxian Wang, Wenqing Li, Yuhang Wang, Anran Jing, Miaomiao Liang, Yin Liu, Tianjin Chest Hospital, Tianjin, People's Republic of China, Tianjin Medical university, Tianjin, People's Republic of China
研究方法
連續納入天津市胸科醫院有發病時間記錄的≤45歲AMI患者1023例。根據症狀發作時間每6小時間隔分為4個發病組：00:00-05:59、06:00-11:59、12:00-17:59和18:00-23:59。采用周期性正弦回歸分析評估梗死面積（峰值肌酸激酶[CK]和峰值肌酸激酶同工酶[CKMB]）的晝夜節律性。采用多變量線性回歸分析發病時間對梗死面積的影響。
研究結果
青年AMI的發病高峰在06:00-11:59（P＜0.05）。周期性正弦回歸分析顯示梗死面積随24小時發病時間呈現明顯的晝夜節律變化（P＜0.05），最大梗死面積出現在21點發病。18:00-23:59發病組的梗死面積最大，與06:00-11:59發病組相比，中位峰值CK和峰值CKMB水準分别增加了56.6%和32.2%（P＜0.0001）。在PPCI治療的青年急性ST段擡高型心肌梗死（STEMI）組中，經多變量線性回歸模型調整混雜因素後，與06:00-11:59發病組相比，18:00-23:59發病組的峰值CK平均增加660.7 U/L（95% CI：165.2-1156.2），峰值CKMB平均增加68.0 U/L（95% CI：33.6-102.4）（圖3）。
研究結論
該項研究發現≤45歲AMI患者的發病時間具有“晨起高峰”的晝夜節律特點，梗死面積呈現随24小時發病時間的晝夜節律變化。在評估中國青年AMI患者心肌損傷時，發病時間應作為一個關鍵因素。
圖3. 1A-C按發病時間（6h間隔）的分布情況；2 A-C梗死面積（峰值CK）随發病時間的24h分布情況；3A-C 梗死面積（峰值CKMB）随發病時間的24h分布情況；4A-B不同發病時間組的峰值CK和峰值CKMB水準的差異；5A-B經PPCI治療的青年STEMI發病時間與梗死面積的多變量線性回歸分析
專家簡介
高靜 教授
天津市胸科醫院
（上下滑動可檢視）
博士、博士後，主任醫師, 研究員
天津市胸科醫院心血管病研究所副所長，生物樣本庫主任，天津大學和天津醫科大學博士研究所學生導師，博士後合作導師
天津市“131”創新型人才培養工程第一層次人選，天津市“131”創新型人才團隊帶頭人，天津市首屆衛生計生行業高層次人才“津門醫學英才”
天津市衛生健康系統“最美科技工作者”
美國心髒病學院專家委員（FACC）、歐洲心髒病學會專家委員（FESC）、美國心髒病學協會（AHA）專業會員、歐洲心髒病學年會會議評審委員會專家。
國家科技計劃專家庫專家、國家人力資源社會保障部專家服務基層重點聯系專家
國家教育部人才計劃高層次人才評審專家
國家教育部學位與研究所學生教育發展中心評審專家
中國博士後科學基金評審專家
上海市和天津市科技局科技專家庫專家
中國研究型醫院學會臨床資料與樣本資源庫專委會京津冀生物樣本資源協作組副組長
京津冀生物樣本庫聯盟”天津地區副主任委員
天津市醫師協會心血管内科醫師分會基礎研究專委會副主任委員
天津市心髒學會理事
10餘種SCI收錄期刊審稿專家或編委
主持和參與國家級、省部級重點研發、重大專項、重點學科專項等各級科研課題27項
代表性成果在世界心血管領域頂級國際會議ACC、ESC 、AHA、TCT 上報告發言和學術交流近22餘次。獲市級科技成果13項，國家專利7項。榮獲天津市科技進步二等獎2項，發表論文100餘篇，培養博、碩士研究所學生55餘人。
馬靜 助理研究員
天津市胸科醫院
在站博士後，助理研究員。流行病與衛生統計專業，研究方向：早發急性心肌梗死的流行病學和基礎研究。天津市“131”創新型人才團隊核心成員。近3年以共同第一作者發表SCI論文1篇，參與發表SCI論文5篇，中文核心論文7篇。第一作者完成2024年美國心髒病學會年會（ACC）收錄摘要1篇，第一/共同第一作者完成2021年歐洲心髒病學會年會（ESC）收錄摘要2篇。主持天津市衛生健康委員會科技人才培育項目1項，第一完成人獲天津市科學技術成果1項，參與國家級重點研發、天津市重大專項、重點研發計劃科技支撐重點項目和天津市衛生健康科技項目重點學科專項，參與完成天津市科學技術成果6項。
王靜娴 醫師
天津市胸科醫院
博士研究所學生，研究方向：機器學習算法模組化、多組學、脂質代謝與急性心肌梗死臨床研究和基礎研究。學位攻讀期間，第一作者身份完成2024年美國心髒病學年會（ACC）大會摘要1篇，參與完成2023、2024年美國心髒病學年會（ACC）摘要5篇，歐洲心髒病學會年會（ESC）收錄摘要2篇，第一作者發表SCI論文1篇。獲2023年（第九屆）全國大學生統計模組化大賽天津賽區研究所學生組三等獎。參與國家級科技部重點研發、天津市科委重大專項、重點研發計劃科技支撐重點項目和天津市衛生健康科技項目重點學科專項項目等。
王宇航 醫師
天津市胸科醫院
碩士研究所學生，研究方向：機器學習與早發急性心肌梗死風險預測模型的建立。學位攻讀期間，參與發表SCI文章 1篇，共同第一作者發表2024年美國心髒病學年會（ACC）摘要1篇，參與完成2024年美國心髒病學年會（ACC）摘要3篇，獲2023年（第九屆）全國大學生統計模組化大賽天津賽區研究所學生組三等獎。參與國家科技部“十三五”重點研發計劃重大慢性疾病防控研究重點專項項目、2020年天津市重點研發計劃科技支撐重點科研項目、天津市衛生健康委員會重點專科項目等。