基于多模态数据和深度学习的急性心肌梗死患者PCI术后风险预测模型研究进展

李博; 苏佳丽; 胡诗雨; 吴磊

doi:10.13764/j.cnki.ncdm.2026.03.013

南昌大学学报（医学版） ›› 2026, Vol. 66 ›› Issue (3) : 91 -99. DOI: 10.13764/j.cnki.ncdm.2026.03.013

基于多模态数据和深度学习的急性心肌梗死患者PCI术后风险预测模型研究进展

李博, 苏佳丽, 胡诗雨, 吴磊

作者信息 +

Author information +

文章历史 +

摘要

急性心肌梗死（AMI）病情凶险，经皮冠状动脉介入术（PCI）虽为首选再灌注手段，但术后主要不良心血管事件（MACE）发生率仍高，精准评估预后成为进一步降低病死率的关键。文章系统梳理了基于多模态数据与深度学习构建PCI术后风险预测模型的最新进展，从单模态建模到多模态融合，剖析早期、中期、晚期融合策略及注意力、图神经网络、Transformer等先进架构，在提升判别力、鲁棒性与可解释性方面的优势；同时分析梳理数据对齐困难、样本不足、域偏移及连续监测缺失等关键瓶颈。多模态深度学习模型相较于传统方法在预测性能、校准度及外部验证表现上展现出显著优势。通过统一数据治理、自监督/迁移学习、可解释输出、多中心协同验证与在线动态更新框架，实现模型临床落地，为医护人员提供早期分层工具，驱动个体化二级预防，最终降低MACE、丰富AMI精准防治理论与方法。