《基于人工智能模型的老年冠心病动态自适应出院评估专家共识》由国家心脏病中心、国家心血管病临床研究中心等多个专业委员会发布，刊登于《中西医结合心脑血管病杂志》2024 年第 20 期。该共识旨在整合最新研究进展，指导临床医生运用人工智能技术进行老年冠心病出院评估及疾病管理。以下是对该共识的主要解读：
老年冠心病具有高发病率、高死亡率及高致残率的特点，且老年患者常伴有免疫系统功能减退、多重用药、神经内分泌系统紊乱等情况，使得出院评估更为复杂。传统出院评估方法存在局限性，AI 技术可快速分析大量临床数据，为老年冠心病出院评估提供新的视角和工具。
-
基于临床数据的 AI 预测模型：如基于信息 - 动机 - 行为技巧模型（IMB）的干预计划，通过机器学习和深度学习，使出院评估模式更加灵活多样。还有研究利用电子健康记录（EHR）数据，结合已知风险因素、汇总队列方程和多基因风险评分，开发出 ISCAD 模型，实现对 CAD 风险的连续量化评估。
-
基于生物样本的 AI 预测模型：有研究利用循环蛋白质进行大规模分析，建立模型并推导出 9 - protein 风险评分，通过测量血浆样本中特定的 9 种蛋白质生物标志物的水平，计算病人的风险评分，反映未来发生心血管事件的风险。
-
基于影像学数据的 AI 预测模型：AI 可将心电图、冠状动脉 CT 等影像学技术利用各种算法自动化地做出诊断，如基于深度学习方法自动从冠状动脉 CT 血管造影（CTA）得到钙化积分的模型，以及通过 AI 算法学习血管内超声下斑块和血管壁特征提高冠心病危险度分层准确性的模型等。
-
个性化评估模型：结合临床数据、生理参数以及生活行为数据，构建全面的多维度评估体系，以动态反映病人的整体健康状况。
-
早期预警系统：利用机器学习或深度学习建立早期预警系统，实时监测病人的生理数据和生活习惯变化，当检测到异常模式时，立即向医疗团队发送预警。
-
康复指导与随访管理系统：根据可穿戴设备传回的病人具体情况，提供个性化康复计划，并监测康复方案的执行情况，确保病人出院后能顺利执行康复计划。
-
健康管理系统：AI 辅助整合电子健康记录、可穿戴设备数据、远程监测数据等多种数据源，建立病人全病程健康档案，联合多学科专家进行数据整合分析，实现高效长程的健康管理。
-
临床医院：包括普通心内科病房和重症监护病房，可用于提供精准风险预测，实时监测病人生理指标，评估康复进展等。
-
基层医疗机构：如全科诊所和社区卫生服务中心，可辅助诊断，提供标准化的出院评估流程，远程监控病人康复进度。
-
家庭护理与远程医疗：通过可穿戴设备持续监控病人生理数据和行为数据，提供及时预警，并根据反馈调整康复计划，专家也可远程参与出院评估。
-
临床研究：用于病人筛选和随访管理，提高研究效率，通过大数据分析发现新的风险因素。
-
健康宣讲：在社区健康活动中，可利用 AI 眼底图像分析等作为便捷的筛查工具，早期识别心血管风险。
共识指出，AI 在老年冠心病病人出院评估中面临数据质量管控、技术推广、信息数据安全等挑战。未来应侧重于提升 AI 模型的性能和可解释性，优化 AI 系统的易用性和适应性，通过跨学科合作持续优化模型，加强信息安全保护等，以构建更高效、更个性化的医疗服务体系。