编者按
北京时间2024年4月6~9日，第73届美国心脏病学会科学年会（ACC.24）在美国亚特兰大盛大召开。ACC作为全球最具影响力的世界心血管领域最高级别会议，全球心脏专家学者带来了诸多科学研究的最新进展和成果。最新数据显示，大陆每年突发急性心肌梗死（AMI）的患者超过100万人，是全球首要死亡原因。
随着社会经济的快速发展，年轻群体生活方式改变，AMI发病率呈年轻化趋势，已成为当代社会公共卫生的主要威胁和社会负担。对于年轻急性心肌梗死（PMI）的诊治、预测及预防均是临床关注的重点。天津市胸科医院高静教授团队近年来在≤45岁年轻人群AMI方面做了大量系列研究和报道，团队对单中心10年来PMI数据进行总结分析，在ACC.24的“缺血性心脏疾病专场”和“心力衰竭和心肌病专场”发布了多项年轻心肌梗死最新原创性科学研究成果，展示了ACC中国之声，为临床诊疗带来新启发！
研究一：
4月7日北京时间：
02：45-03：30
高级机器学习预测早发心肌梗死患者冠状动脉疾病严重程度
研究二：
4月7日北京时间：
02：45-03：30
开发院内射血分数保留型心衰（HFpEF）患者早期心梗风险评估的综合算法
研究三：
4月7日北京时间：
21：15-22：00
45岁以下AMI患者的症状发作和梗死面积的昼夜节律模式
研究一
Session Title: Ischemic Heart Disease(缺血性心脏疾病专场)
ADVANCED MACHINE LEARNING FOR PREDICTING CORONARY ARTERY DISEASE SEVERITY IN PATIENTS WITH PREMATURE MYOCARDIAL INFARCTION
高级机器学习预测早发心肌梗死患者冠状动脉疾病严重程度
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
该研究为前瞻性、单中心、观察性研究，连续纳入2015年1月至2023年1月天津市胸科医院年龄≤45岁的AMI患者1111例。病变严重程度根据其冠状动脉造影SYNTAX评分分为低风险组（SYNTAX≤22分）与中高风险组（SYNTAX＞22分），并按7:3比例随机分配到训练或验证数据集中。通过Lasso-logistic回归初步筛选出影响PMI患者冠脉病变严重程度的影响因素；训练集数据应用随机森林（RF）、K-近邻（KNN）、支持向量机（SVM）和XGBoost 4种机器学习方法分别建立预测模型，验证集数据确定最佳预测模型，建立PMI患者冠状动脉严重程度的预测系统。
研究结果
Lasso-logistic回归确定了7个重要影响因素：糖化血红蛋白、心绞痛、载脂蛋白B、总胆汁酸、B型脑钠肽（BNP）、D-二聚体和纤维蛋白原。在验证集中，随机森林（RF）、K近邻（KNN）、SVM和XGBoost 4种机器学习建立的预测模型的曲线下面积（AUC）分别为：0.775、0.739、0.656和0.800，XGBoost模型为最佳预测模型（图1），模型本身验证中表现良好，最终基于XGBoost模型建立了可视化PMI患者冠状动脉病变严重程度在线预测系统，网址为https://pmisyntax.shinyapps.io/appdecision/
研究结论
该研究基于机器学习开发了一个新颖、便捷的可视化风险预测系统，临床易于获得，易于评估。这使得该模型有望成为PMI患者病变严重程度的预早期区分工具，可以快速识别高风险人群，优化当前的诊疗体系，而且为临床决策提供了新工具、新思路。
图1. A-LASSO回归lambda的最佳惩罚估计值；B-预测变量的LASSO回归系数曲线；C-基于验证集的不同机器学习算法ROC曲线；D-XGBoost的预测因子的相对重要性。
研究二
Session Title: Heart Failure and Cardiomyopathies (心力衰竭和心肌病专场)
DEVELOPING INTEGRATED ALGORITHMS FOR RISK ASSESSMENT OF IN-HOSPITAL HEART FAILURE WITH PRESERVED EJECTION FRACTION AMONG PATIENTS WITH PREMATURE MYOCARDIAL INFARCTION
开发院内射血分数保留型心衰（HFpEF）患者早期心梗风险评估的综合算法
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
该研究为前瞻性、单中心、观察性研究，纳入天津市胸科医院≤45岁AMI患者840例。构建Lasso-Logistic、XGBoost、RF和KNN模型来识别PMI患者住院期间发生HFpEF风险。
研究结果
268例（31.9%）发生院内HFpEF，572例（68.1%）未发生心衰。将患者按8：2的比例随机分配到训练集和测试集。结果表明，XGBoost模型在训练集和测试集数据方面都表现出了较好的性能（AUC：0.848，Brier：0.148）。最终的模型包括10个预测因素，它们是BNP、SYNTAX评分、年龄、单核细胞-淋巴细胞比率、红细胞压积、C反应蛋白-淋巴细胞比率、入院心率、体重指数（BMI）、纤维蛋白原和高血压（图2）。最后，开发了一个可视化的风险评估和预测系统https://hfpefpmi.shinyapps.io/apppredict/中获取，用于识别院内发生HFpEF的PMI患者。
研究结论
可视化在线预测系统在识别PMI患者住院发生HFpEF风险时显示出良好的分类性能，便于临床应用，有助于更精准地早期识别院内发生HFpEF风险的PMI高危人群，进而给予更积极的治疗手段，改善预后，提高临床诊疗水平。
图2. A-不同模型在验证集的ROC曲线；B-不同模型性能比较的雷达图，包括精确率、准确率、AUC、F1分数和Brier分数；C-XGBoost模型预测变量的重要性排序图；D-XGBoost模型预测变量的森林图。
研究三
Session Title: Ischemic Heart Disease(缺血性心脏疾病专场)
CIRCADIAN PATTERN OF SYMPTOM ONSET AND INFARCT SIZE IN PATIENTS ≤45 YEARS WITH ACUTE MYOCARDIAL INFARCTION
45岁以下AMI患者的症状发作和梗死面积的昼夜节律模式
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
连续纳入天津市胸科医院有发病时间记录的≤45岁AMI患者1023例。根据症状发作时间每6小时间隔分为4个发病组：00:00-05:59、06:00-11:59、12:00-17:59和18:00-23:59。采用周期性正弦回归分析评估梗死面积（峰值肌酸激酶[CK]和峰值肌酸激酶同工酶[CKMB]）的昼夜节律性。采用多变量线性回归分析发病时间对梗死面积的影响。
研究结果
青年AMI的发病高峰在06:00-11:59（P＜0.05）。周期性正弦回归分析显示梗死面积随24小时发病时间呈现明显的昼夜节律变化（P＜0.05），最大梗死面积出现在21点发病。18:00-23:59发病组的梗死面积最大，与06:00-11:59发病组相比，中位峰值CK和峰值CKMB水平分别增加了56.6%和32.2%（P＜0.0001）。在PPCI治疗的青年急性ST段抬高型心肌梗死（STEMI）组中，经多变量线性回归模型调整混杂因素后，与06:00-11:59发病组相比，18:00-23:59发病组的峰值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）（图3）。
研究结论
该项研究发现≤45岁AMI患者的发病时间具有“晨起高峰”的昼夜节律特点，梗死面积呈现随24小时发病时间的昼夜节律变化。在评估中国青年AMI患者心肌损伤时，发病时间应作为一个关键因素。
图3. 1A-C按发病时间（6h间隔）的分布情况；2 A-C梗死面积（峰值CK）随发病时间的24h分布情况；3A-C 梗死面积（峰值CKMB）随发病时间的24h分布情况；4A-B不同发病时间组的峰值CK和峰值CKMB水平的差异；5A-B经PPCI治疗的青年STEMI发病时间与梗死面积的多变量线性回归分析
专家简介
高静 教授
天津市胸科医院
（上下滑动可查看）
博士、博士后，主任医师, 研究员
天津市胸科医院心血管病研究所副所长，生物样本库主任，天津大学和天津医科大学博士研究生导师，博士后合作导师
天津市“131”创新型人才培养工程第一层次人选，天津市“131”创新型人才团队带头人，天津市首届卫生计生行业高层次人才“津门医学英才”
天津市卫生健康系统“最美科技工作者”
美国心脏病学院专家委员（FACC）、欧洲心脏病学会专家委员（FESC）、美国心脏病学协会（AHA）专业会员、欧洲心脏病学年会会议评审委员会专家。
国家科技计划专家库专家、国家人力资源社会保障部专家服务基层重点联系专家
国家教育部人才计划高层次人才评审专家
国家教育部学位与研究生教育发展中心评审专家
中国博士后科学基金评审专家
上海市和天津市科技局科技专家库专家
中国研究型医院学会临床数据与样本资源库专委会京津冀生物样本资源协作组副组长
京津冀生物样本库联盟”天津地区副主任委员
天津市医师协会心血管内科医师分会基础研究专委会副主任委员
天津市心脏学会理事
10余种SCI收录期刊审稿专家或编委
主持和参与国家级、省部级重点研发、重大专项、重点学科专项等各级科研课题27项
代表性成果在世界心血管领域顶级国际会议ACC、ESC 、AHA、TCT 上报告发言和学术交流近22余次。获市级科技成果13项，国家专利7项。荣获天津市科技进步二等奖2项，发表论文100余篇，培养博、硕士研究生55余人。
马静 助理研究员
天津市胸科医院
在站博士后，助理研究员。流行病与卫生统计专业，研究方向：早发急性心肌梗死的流行病学和基础研究。天津市“131”创新型人才团队核心成员。近3年以共同第一作者发表SCI论文1篇，参与发表SCI论文5篇，中文核心论文7篇。第一作者完成2024年美国心脏病学会年会（ACC）收录摘要1篇，第一/共同第一作者完成2021年欧洲心脏病学会年会（ESC）收录摘要2篇。主持天津市卫生健康委员会科技人才培育项目1项，第一完成人获天津市科学技术成果1项，参与国家级重点研发、天津市重大专项、重点研发计划科技支撑重点项目和天津市卫生健康科技项目重点学科专项，参与完成天津市科学技术成果6项。
王静娴 医师
天津市胸科医院
博士研究生，研究方向：机器学习算法建模、多组学、脂质代谢与急性心肌梗死临床研究和基础研究。学位攻读期间，第一作者身份完成2024年美国心脏病学年会（ACC）大会摘要1篇，参与完成2023、2024年美国心脏病学年会（ACC）摘要5篇，欧洲心脏病学会年会（ESC）收录摘要2篇，第一作者发表SCI论文1篇。获2023年（第九届）全国大学生统计建模大赛天津赛区研究生组三等奖。参与国家级科技部重点研发、天津市科委重大专项、重点研发计划科技支撑重点项目和天津市卫生健康科技项目重点学科专项项目等。
王宇航 医师
天津市胸科医院
硕士研究生，研究方向：机器学习与早发急性心肌梗死风险预测模型的建立。学位攻读期间，参与发表SCI文章 1篇，共同第一作者发表2024年美国心脏病学年会（ACC）摘要1篇，参与完成2024年美国心脏病学年会（ACC）摘要3篇，获2023年（第九届）全国大学生统计建模大赛天津赛区研究生组三等奖。参与国家科技部“十三五”重点研发计划重大慢性疾病防控研究重点专项项目、2020年天津市重点研发计划科技支撑重点科研项目、天津市卫生健康委员会重点专科项目等。