急诊室每天都会来这样的病人：捂着胸口说疼得厉害，心电图一做，ST段没怎么抬高。医生看一眼，觉得不像典型心梗，先抽血查肌钙蛋白，等结果出来再说。

可有些心梗偏偏不长这样。血管已经彻底堵死，心肌正在大片坏死，心电图却波澜不惊。等肌钙蛋白回报，往往已经耽误了黄金抢救时间。

反过来也有。心电图ST段抬得老高，造影进去一看，血管根本没急性堵死，白做了一次介入。

问题出在哪？现行标准太依赖ST段。而真正需要紧急开通血管的急性闭塞性心肌梗死（Occlusion Myocardial Infarction，OMI），只有一小部分会表现出ST段抬高。剩下的那些，很容易被漏掉。

2026年5月，Nature Communications发表了一项多国合作研究。团队调用了超过54万份真实急诊心电图，每份都有对应的冠状动脉造影结果，用这些数据训练了一个深度学习模型。这个模型不看ST段脸色，也不等肌钙蛋白，直接从原始心电信号里判断：血管堵没堵，堵在哪根。

数据硬核：54万份心电图，每一份都有造影验证

研究用的是瑞典急诊数据库（SwED）。总共54万零372份心电图，对应46万多次急诊就诊，22万多名患者。其中OMI心电图片1583份，占0.3%；非闭塞性心梗（nOMI）4279份，占0.8%；剩下的都是无心肌梗死的对照组。

OMI的标准很严格：冠状动脉造影显示TIMI血流0级，也就是完全或几乎完全堵死。术者通过导丝操作，还能区分急性闭塞和慢性陈旧性闭塞。罪犯血管分布是：左主干或前降支595例（37.6%），左旋支359例（22.7%），右冠状动脉629例（39.7%）。

模型表现：识别OMI的准确率超过0.95，还能指出罪犯血管

图1 | 研究样本流程图

在随机测试集和时间测试集里，模型区分OMI和其他情况的C统计量都不低于0.95。通俗说，随便拿一个真OMI和一个假OMI，模型能正确指认谁是真货的概率在95%以上。对nOMI的区分性能也达到0.87以上。

假阳性率控制在5%时，模型识别OMI的灵敏度是0.87。意思是100个真正的OMI里，能认出87个，同时只误报5个假警报。

罪犯血管定位方面，左主干或前降支、左旋支、右冠状动脉各自的表现都不错。但让模型直接区分左旋支和右冠状动脉时，难度明显增加。这不怪模型，人类医生在心电图上区分这两个位置也相当棘手，因为后降支的起源更常来自右冠状动脉而非左旋支。

图2 | 闭塞性心梗的定位与模型性能

换医院、换设备、换国家，照样管用

研究者把模型拿到三个外部数据集验证：欧洲PTB XL、巴西CODE II和巴西InCor。InCor数据包含401份急诊心电图，OMI占41.1%，设备有GE也有Mortara。在这个陌生环境里，模型区分OMI和对照组的C统计量仍有0.83。

进一步拆分发现，模型对STEMI型OMI的识别能力很强，C统计量0.96；对非STEMI型OMI稍弱，0.82。这正对应临床上的难点：那些不抬ST段的OMI本来就难发现。在区分STEMI与对照组、左束支传导阻滞与对照组时，模型表现都很优秀，C统计量超过0.95。

分层分析显示，模型在不同年龄、性别、心电图设备以及大多数合并症中表现稳定。唯一的小短板是左束支传导阻滞患者和既往因心血管病住院的患者，性能略有下降。

临床意义：不依赖ST段，不依赖肌钙蛋白

这个模型最实用的地方是，它不需要ST段抬高作为前提，也不需要等肌钙蛋白结果。病人躺下做完心电图，几秒钟就能输出OMI概率和可疑的罪犯血管位置。这带来两个直接好处：一是那些心电图不典型但血管确实堵了的患者，有机会被更早发现；二是那些ST段抬高但血管没堵的患者，可以避免不必要的导管室激活。

还有一个有意思的发现。这个模型对STEMI的预测能力，竟然比一个直接在巴西CODE II数据集上训练出来的STEMI模型还要好。研究者推测，用客观的冠状动脉造影标签训练模型，可能让模型学到了超越人类标注水平的能力。

总结

这项研究用54万份真实急诊心电图和冠状动脉造影金标准，训练出一个深度学习模型。它能准确判断急性闭塞性心肌梗死，并指出罪犯血管，性能稳健，跨人群、跨设备都能用。它有望改变急诊科依赖ST段抬高的老套路，缩短心肌再灌注的等待时间。当然，研究团队也明确说，模型要真正进临床，还得先做随机对照试验，拿患者结局说话。毕竟AI再聪明，最终看的还是病人能不能活下来、恢复得更好。（生物谷Bioon.com）

参考文献：

Gustafsson, S., Ribeiro, A.H., Gedon, D.et al.A deep learning ECG model for identification and localization of occlusion myocardial infarction.Nat Commun17, 4336 (2026). https://doi.org/10.1038/s41467-026-73023-1