ESC 2025丨PCI术后风险管理新视角：聚焦室性心律失常、可解释机器学习模型与数字疗法

冠状动脉慢性完全闭塞（CTO）是造成缺血性心脏病的重要原因之一。然而，对CTO病变进行血运重建是否可以预防室性心律失常（VA）和心源性猝死尚不清楚。因此，本研究进行了系统评价和荟萃分析，旨在探讨CTO血运重建与VA发生和心源性猝死之间的关系。

对PubMed和Embase数据库从建库至2024年7月发表的论文进行检索，确定主要终点是随访期间VA的发生率，包括室性心动过速/心室颤动/接受植入型心律转复除颤器（ICD）治疗。使用固定效应模型/随机效应模型进行meta分析估算合并风险比（pHR），进行敏感性分析以评估CTO血运重建对合并VA风险的影响。

研究纳入10项研究共5,966名患者。荟萃分析表明，CTO血运重建可能与VA发生率降低有关，两者不存在显著的统计学意义（未调整HR=0.9，95%CI：0.40-2.06，I²=80%，P=0.82，调整后HR=0.67，95%CI：0.17-2.61，I²=92%，P=0.56）。在ICD患者中，CTO血运重建可显著降低VAs发生率（调整后HR=0.42，95%CI：0.27-0.64，I²=1%，p<0.01）。在心肌梗死相关CTO中，血运重建可降低VAs发生率（未调整HR=0.42，95%CI：0.27-0.64，I²=1%，p<0.01），调整后HR为0.52，未达到统计学意义（95%CI：0.11-2.39，I²=72%，p=0.40）。CTO血运重建可改善全因死亡率（调整后HR=0.54，95%CI：0.35-0.83，I²=0%，p<0.01），但对心源性猝死结局影响不大（调整后HR=1.00，95%CI：1.00-1.00，I²=43%，p=1.00）。

meta分析表明，CTO血运重建可能与患者VAs风险降低有关，这种关系在ICD患者中尤为显著。但仍需进一步研究去证实。

室性心律失常是冠心病（CHD）患者死亡的常见原因。然而，行PCI后新发VA对患者预后的影响尚不清楚。本研究旨在探讨PCI术后VA发生的危险因素及其对预后的影响。

本研究新发VA定义为PCI术后48小时内发生的VA；主要终点为心源性猝死；次要终点为全因死亡、急性心力衰竭（AHF）相关再入院和晕厥。

共纳入2013年1月至2013年12月入组接受PCI的患者9,431例。其中，336例（3.6%）患者在出院后随访期间出现新发VA。在6年的随访期间，共有368名患者死亡，117名患者因AHF住院，76名患者出现晕厥。多因素Cox分析表明，新发VA与全因死亡率或心源性猝死死亡率没有独立关联。

然而，新发VA组的晕厥率（6.5% vs. 0.6%，p<0.001）和AHF相关再入院率（4.2% vs. 1.1%，p<0.001）显著更高。新发VA被确定为晕厥和AHF相关再入院的独立危险因素。随访期间，高龄、PCI史、冠状动脉旁路移植术史被确定为新发VA的独立危险因素。

虽然PCI后新发VA可能不会致命，但与晕厥和AHF相关再入院风险增加有关。

既往有脑出血（ICH）病史的患者接受PCI手术通常死亡风险较高，早期识别高危患者在临床实践中十分重要。本研究旨在开发和验证一种可解释机器学习模型（ML），以预测脑出血后PCI患者的1年全因死亡率（ACM）。

本研究数据选自2010年1月至2024年3月中国82家医院的多中心回顾性队列，共纳入1,379例既往有ICH病史的患者，均成功接受PCI，其中70%在训练集中，30%在测试集中。该数据集包含66个变量，涵盖人口统计学、合并症等。采用逻辑回归、K-Nearest Neighbor、随机森林、支持向量机、决策树、极限梯度提升、轻量梯度提升机（LightGBM）和深度神经网络等8种ML算法开发预测模型，并利用ROC曲线（受试者工作特征曲线）评估模型性能，并通过SHAP实现可解释分析。

研究人群1年ACM发生率为3.99%。在8个模型中，LightGBM算法表现出最佳的预测性能。SHAP方法确定D-二聚体、血红蛋白、钾、血小板计数、Killip分级和中性粒细胞是关键特征。训练集中的LightGBM模型预测，既往ICH史患者行PCI后1年ACM的ROC为0.829（95%CI：0.769–0.890）。在内部验证集中，LightGBM模型的ROC为0.831（95%CI：0.722–0.939），灵敏度为0.750，特异性为0.723，准确度为0.724，F1评分为0.740。

我们开发了一种可解释机器学习模型，用于预测既往有ICH病史的患者行PCI后的1年ACM。LightGBM模型展现出良好的预后预测潜力，可为患者管理优化提供依据。

指南对于冠心病PCI术后患者二级预防药物治疗有明确推荐，但实际临床中患者长期用药依从性仍较低。在常规随访基础之上，使用一款基于手机App的自我管理数字疗法（DTx）系统可能是优化患者依从性的有效工具。

既往研究结果显示，DTx在介入治疗后对CHD患者的药物依从性具有短期益处。然而，短期使用DTx是否在干预结束后仍产生持续的临床获益，即所谓Legacy效应，仍待进一步探索。本研究旨在评估DTx对长期临床结局的Legacy效应。

BAMA研究是一项平行设计、开放标签、单中心的随机对照试验，于2016年4月和2018年6月进行，将300例冠心病患者按1：1的比例随机分组。干预组结合DTx进行定期随访，对照组则仅接受常规的医院随访护理。两组随访于2018年完成，参与者可以选择之后是否继续使用DTx。由于预算原因，DTx服务于2021年终止。在这项BAMA的扩展研究中，参与者在随机分组后接受了8年以上的随访，主要终点为全因死亡率，次要终点为8年内的心血管死亡率。采用Kaplan-Meier曲线和Cox回归分析研究DTx的Legacy效应。

在BAMA研究最终分析的290例患者中，共收集到288例患者的主要终点、次要终点以及相关临床资料，其中2例（0.16%）失访。DTx干预组和对照组分别为142例（49.31%）和146例（50.69%），两组的基线特征相似。8年间，共发生22例（7.64%）死亡，其中13例（4.51%）为心血管死亡。即使所有患者都退出了DTx干预，但随机分配到DTx组的患者仍保持显著较低的全因死亡率（4.22% vs.10.95%，HR=0.39，95%CI：0.15-0.99，P=0.047）和心血管死亡率（1.41% vs. 7.53%，HR=0.18，95% CI：0.04-0.83，P=0.028）。即使在调整了初始研究期间12个月的临床特征和随访期间的平均LDL水平后，DTx干预组在临床结局方面仍然存在有利趋势，包括全因死亡率（HR=0.32，95% CI：0.08-1.23，P=0.097）和心血管死亡率（HR=0.13，95% CI：0.01-1.19，P=0.071）。

初始研究期间12个月的DTx治疗与研究结束后8年随访期内生存改善的Legacy效应相关，这一发现强调了DTx通过早期行为-代谢调节改善长期生存结局的潜力。