美国核医学与分子影像学会期刊《Journal of Nuclear Cardiology》近期发表一项研究，证实基于自动化机器学习的预测模型能有效提升对冠状动脉疾病患者主要不良心脏事件(MACE)的预测准确性。该研究整合了临床数据与PET影像信息，为冠心病风险管理提供了新工具。

研究共纳入8,357例患者，平均随访589天，期间记录到852例主要不良心脏事件。科研人员比较了自动化机器学习、逻辑回归和深度神经网络的预测性能。结果显示，自动化机器学习模型的曲线下面积达到0.82，优于逻辑回归模型的0.79和深度神经网络的0.76。这一自动化机器学习模型展现了较高的预测效能。

通过模型可解释性分析，研究人员发现心肌血流储备是最重要的预测特征。自动化机器学习模型不仅预测准确性较高，其可解释性也有助于临床医生理解模型决策依据，从而促进个体化治疗策略的制定。该研究为冠心病患者的风险分层与管理提供了更精准的自动化机器学习支持。

自动化机器学习技术的应用有望优化现有冠心病评估体系，整合多维度数据以提高预后判断的可靠性。未来，此类基于自动化机器学习的工具或可在临床实践中辅助医疗决策，改善患者预后。