الهدف بناء وتحقق نموذج تشخيصي بتقنيات الطب الصيني والغربي باستخدام التعلم الآلي لتضيق الشرايين التاجية الحاد لدى مرضى متلازمة القلب-الكلى-الأيض (CKM)، لدعم اتخاذ القرار السريري للمصابين بآفة حرجة. الطريقة استنادًا إلى دراسة استعادية، تم اختيار 535 مريضًا من مستشفيين مستقلين في مستشفى جيانغسو للطب الصيني (يناير 2024 - أغسطس 2024) وزيدونغ (سبتمبر 2024 - ديسمبر 2024). تم تقسيم بيانات المستشفى الرئيسي بنسب 4:1 لمجموعة تدريب (376 حالة) ومجموعة تحقق داخلية (95 حالة)، واعتُبرت بيانات زيدونغ مجموعة تحقق خارجية (64 حالة). تم استخدام مراجعة الأدبيات، مقابلات الخبراء، وخوارزمية اختيار المتغيرات على أساس الانكماش الأدنى والمطلق (LASSO) لاختيار عوامل الخطر، وبُنيت نماذج تشخيصية باستخدام 9 تقنيات تعلم آلي. تمت مقارنة مؤشرات التقييم الشائعة، منحنيات المعايرة، ومنحنيات اتخاذ القرار، واختبار النماذج عبر التحقق الداخلي والخارجي. استُخدم شرح SHAP التفسيري مع تقديم حالتين لمساعدة فهم منطق النموذج الأفضل. أخيرًا، طُبّق النموذج الأفضل على مرضى الآفة الحرجة وحُسبت كفاءة التشخيص. النتائج اختارت انحدار LASSO 9 عوامل خطر: البلغم، الازدحام، الاحتقان، الضعف، مدة ارتفاع ضغط الدم، النوع، مؤشر تصلب الشرايين (ASI)، نسبة حمض اليوريك إلى الكوليسترول عالي الكثافة (UHR)، والهيموغلوبين الغليكوزيلاتي (HbA_1c). بالمقارنة المتعددة الأوجه، كان نموذج التعزيز التدريجي الخفيف (LightGBM) الأفضل مع مساحة تحت منحنى ROC تبلغ 0.918 (95% فاصل الثقة 0.890-0.945) في مجموعة التدريب، 0.885 (95% فاصل الثقة 0.820-0.951) في التحقق الداخلي، و0.897 (95% فاصل الثقة 0.818-0.975) في التحقق الخارجي. أشارت منحنيات المعايرة إلى اتساق الاحتمالات المتوقعة، ومنحنيات اتخاذ القرار أشارت إلى استفادة سريرية عند احتمالات العتبة أقل من 90%. ترتيب أهمية SHAP هو الازدحام، الضعف، الاحتقان، HbA_1c، النوع، البلغم، مدة ارتفاع ضغط الدم، ASI، UHR. عند التطبيق على مرضى الآفة الحرجة، بلغت قيمة AUC 0.783 (95% فاصل الثقة 0.637-0.930)، واستفاد 73% من المرضى الذين يعانون من تضيق حاد فعلي. الخلاصة استنادًا إلى القيمة السريرية أظهر النموذج التشخيصي الصيني-الغربي المُطوّر كفاءة جيدة لدعم التشخيص واتخاذ القرار السريري لمرضى CKM.

متلازمة القلب-الكلى-الأيض;تضيق الشرايين التاجية;آفة حرجة;نموذج تشخيصي;تعلم آلي