编者按：2023年3月4~6日，美国心脏病学学会年会（ACC）在新奥尔良盛大召开，重磅指南和最新研究相继发布，其中一项运用人工智能技术的腕式经皮肌钙蛋白（cTn I）传感器研究，无需血液样本可快速诊断急性心肌梗死，具有重要临床意义，本刊特邀该项研究作者美国西弗吉尼亚大学Partho P. Sengupta教授进行详细介绍。

《国际循环》:腕式经皮cTn I传感器评估急性心肌梗死的原理是什么？

Partho P. Sengupta教授：这是一项在手腕设备中嵌入红外传感器的技术，我们可从皮肤中测量不同的分子，在这一传感器中，肌钙蛋白的测量无需通过血液。在印度的五个中心进行的这项特别研究中，我们调查了这项技术是否可使用红外传感器检测血液生物标志物肌钙蛋白，以用来诊断心肌梗死。这项技术是利用人工智能算法研发，从分光光度传感器记录中，使用人工智能技术首先在三个中心搜集数据，然后根据数据建立机器学习模型，在两个中心进行外部验证，我们能开发出一种无需血液样本就能诊断肌钙蛋白增高的方法，并得出心肌梗死的诊断。

《国际循环》:相比常规检测，cTn I传感器评估AMI的准确性和效果如何？

Partho P. Sengupta教授：关于结果的准确性，我们使用两种不同的方法。首先要做的是在肌钙蛋白红外传感器分光光度法记录和预测高灵敏度肌钙蛋白水平升高的机器学习模型之间进行头对头比较。第二项是观察冠状动脉造影和动脉壁运动异常的关系，这些异常是在侵入性导管介入术和心脏超声技术中观察得到。在中心实验室检测高灵敏度肌钙蛋白值的能力方面，该技术在验证队列中的准确度为0.90，在外部验证队列中的准确度为0.92，所以精度和准确度都很高。在检测阻塞性冠状动脉疾病是否存在的能力方面，机器学习模型显示cTn I升高的存在与阻塞增加的几率相关，这对于预测阻塞性冠状动脉疾病具有重要意义和显著统计学意义。它还与存在动脉壁运动异常的统计预测有关，阻塞性冠状动脉疾病和动脉壁运动异常作为终点是重要的表型表现，我们能通过这项技术进行验证。

《国际循环》:目前，cTn I传感器在应用中还有哪些方面需完善？

Partho P. Sengupta教授：关于腕戴式红外传感器的进一步研究，首先，这只是一个开始。我们提出了一项可行性研究，表明诊断肌钙蛋白水平升高是可能的。有几个阶段的工作需要做：首先，我们需让腕戴式传感器的噪声保真度更高，这些噪声来自于运动伪像，或是因为传感器与皮肤接触。机器学习工具已在进行工作，一旦记录腕戴测试，就可判断记录是否准确。它对运动伪像非常敏感，也能触摸皮肤。这些原理上的改变将在不久的将来进行评估。其次，我们需在不同种族、不同肤色和与黑色素含量相关的不同情况下进行更多测试，观察这项特殊技术的广泛性如何。第三，我们需在急诊室的真实场景中进行测试。目前项目评估了被诊断为心肌梗死的患者，我们需以急诊室或非活动胸痛为背景，找出它在现实世界急救室中的最佳表现。最后，目前，预期目的是为了检测是否存在肌钙蛋白水平升高。我们还需开发一种测试或机器学习模型，以确定确切的肌钙蛋白水平值，开发一种使用更高样本量的回归算法。

《国际循环》:您如何看待腕式cTn I传感器未来的应用前景？

Partho P. Sengupta教授：腕式肌钙蛋白传感器为未来创造了一个解决急诊室过度拥挤问题的机会。环顾世界，胸痛是一种非常常见的患者症状，也许会有机会应用肌钙蛋白测试，利用基于手腕的传感器技术，以简化患者在急诊室的流动。另外，采集血液样本并等待一个小时的结果有时很麻烦，在交通繁忙的情况下，可能会缺少采集血液样本的人。我们或许能简化实际需抽血的患者数量，而对于那些需更早确认检测结果的人来说，使用这种红外腕式技术可更快得到结果。我们也有可能在现场，在救护车和急救服务中使用这种技术，这些场合可能无法进行血液采样。也许在不久的将来，我们可在社区环境中实现这一点。然而，这更具挑战性，需更多的测试、验证和成熟的技术。