ANOCA 中的人工智能 ((AI)NOCA)

心绞痛确诊人数 >180.000 每年荷兰人。 心绞痛的诊断重点是心外膜冠状动脉狭窄，其识别可能导致指南指导的药物治疗或血运重建。 然而，40-70% 的患者未发现此类狭窄。 这种情况，即无冠状动脉阻塞的心绞痛（ANOCA），在女性中更为常见，与生活质量差、医疗费用高和不良事件发生率较高有关。

ANOCA 的起源可以在侵入性冠状动脉造影期间通过冠状动脉功能测试 (CFT) 来评估，以识别冠状动脉血管舒缩障碍。 这与冠状动脉和微循环的血管痉挛或微血管舒张受损有关。 对于血管痉挛的诊断，CFT需要产生心肌缺血的心电图征象作为诊断标准的一部分。 这是诊断血管痉挛的关键点，因为这些体征可能很微妙且各不相同，因此很容易被误解。 除了这个警告之外，目前的诊断方法还需要侵入性的诊断过程。 这限制了 ANOCA 的广泛应用并阻碍了 ANOCA 的早期识别和治疗。

在 CFT 期间，通常将冠状动脉导丝推进冠状动脉，这也允许通过将无菌鳄鱼夹连接到标准心电图导联来获得冠状动脉内心电图。 这样可以在与常规心电图相同的监视器上连续记录整个 CFT 中的冠状动脉内心电图。 该技术可以提高 CFT 期间心肌缺血的敏感性。 此外，动态心电图监测可以在门诊环境中识别心电图的缺血性变化。 关于 ANOCA 患者自发性心绞痛症状期间发生的心肌缺血模式以及动态心电图对此目的的敏感性缺乏证据。 最后，对心电图描记上的缺血模式的解释可能很麻烦，尤其是当变化很微妙或每次心跳都有变化时。 深度学习技术的使用可以自动解释心电图迹线，并可以改善 ANOCA 的标准化诊断。