荷蘭阿姆斯特丹大學醫學中心與羅氏藥廠開發出 AI 模型 PERISCOPE，僅利用醫院常規檢驗數據，就能將嚴重急性心肌梗塞患者術後的住院死亡風險預測準確率提升至 91%。
心肌梗塞患者在接受緊急手術後，往往仍面臨嚴峻的術後死亡風險。荷蘭阿姆斯特丹大學醫學中心與瑞士藥廠羅氏（Roche）組成的跨國團隊，近期開發出一款名為 PERISCOPE 的監督式機器學習模型，能夠更精準評估患者術後的死亡風險，相關成果於ESC Digital & AI Summit正式發表。
根據外媒報導，這項技術主要針對「ST段上升型心肌梗塞」（STEMI，一種因冠狀動脈完全堵塞引發的嚴重急性心臟病）患者。在臨床治療上，患者通常會接受經皮冠狀動脈介入治療（俗稱心導管手術），以打通阻塞血管。然而，術後的復原與風險評估長期缺乏簡便且高準確率的工具。
過去臨床指引多半仰賴傳統的 GRACE 2.0 風險評估工具，但研究人員 Andrea Rafanelli 指出，現行指引推薦的評分機制主要在患者「剛抵達急診室、手術前」預測住院與半年內的死亡風險，無法反映心導管手術後的實際變化。而現有的術後評估模型，又往往需要輸入大量非例行檢驗的數值，大幅限制了日常臨床的實用性。
為了解決臨床落差，PERISCOPE 模型採用邏輯斯迴歸架構，只仰賴醫院常規收集的人口統計、臨床病徵與血液檢驗等基礎指標。該模型先以美國 38,489 名患者資料進行訓練，在 119,035 名美國獨立患者群中測試，並於阿姆斯特丹大學醫學中心的 6,776 名患者完成外部驗證。
外部驗證數據顯示，PERISCOPE 在預測住院期間死亡風險的準確度達 91%，顯著高於 GRACE 2.0 的 85%；在評估術後六個月死亡風險方面，PERISCOPE 的準確度也達到 80%，優於 GRACE 2.0 的 74%。
醫療 AI 導入臨床的關鍵，在於醫師能否理解預測邏輯並產生信任。PERISCOPE 透過常見的常規檢驗數據運算，避開了複雜且難以解釋的黑盒子參數。Andrea Rafanelli 表示，該模型能提供易於導入的機制，協助醫護人員快速分流高風險患者，但未來仍須在更多元族群與前瞻性臨床試驗中驗證，才能正式走入日常醫療現場。