Ziel: Aufbau und Validierung eines diagnostischen Modells auf Basis des Herz-Nieren-Metabolismus-Syndroms (CKM) zur Erkennung schwerer koronarer Stenosen bei CKM-Patienten unter Verwendung chinesischer und westlicher Medizin mit maschinellem Lernen, um klinische Entscheidungsunterstützung für kritische Läsionen bereitzustellen. Methode: Retrospektive Studie mit 535 stationären Patienten aus zwei unabhängigen Einrichtungen: Hauptklinik der Provinz Jiangsu (Januar–August 2024) und Zidong (September–Dezember 2024). Die Daten der Hauptklinik wurden im Verhältnis 4:1 in Trainings- (376 Fälle) und interne Validierungsgruppen (95 Fälle) randomisiert; die Zidong-Daten dienten als externe Validierung (64 Fälle). Risikofaktoren wurden über Literaturrecherche, Experteninterviews und LASSO-Analyse (Minimaler absoluter Shrinkage und Auswahloperator) ausgewählt. Neun maschinelle Lernverfahren wurden für den Aufbau diagnostischer Modelle verwendet. Die gängigen Bewertungskennzahlen, Kalibrierungs- und Entscheidungsdiagramme wurden verglichen und durch interne und externe Validierung Modelle ausgewählt. Die SHAP-Interpretation wurde zur Erklärung des besten Modells verwendet und mit zwei Fallbeispielen ergänzt, um die Modelllogik zu verdeutlichen. Schließlich wurde das beste Modell auf Patienten mit kritischen Läsionen angewandt und die diagnostische Leistung bewertet. Ergebnisse: Die LASSO-Regression identifizierte 9 Risikofaktoren: Schleim, Stase, Stauung, Schwäche, Dauer der Hypertonie, Geschlecht, Arterioskleroseindex (ASI), das Verhältnis von Harnsäure zu HDL-Cholesterin (UHR), glykosyliertes Hämoglobin (HbA_1c). Nach umfassendem Vergleich zeigte das LightGBM-Modell die besten Ergebnisse mit einer Fläche unter der ROC-Kurve (AUC) von 0,918 (95%-CI 0,890–0,945) im Trainingsdatensatz, 0,885 (95%-CI 0,820–0,951) in der internen Validierung und 0,897 (95%-CI 0,818–0,975) in der externen Validierung. Kalibrierungskurven zeigten eine konsistente Vorhersagewahrscheinlichkeit, und Entscheidungsdiagramme zeigten klinischen Nutzen bei Schwellenwertwahrscheinlichkeiten <90%. Die SHAP-Reihenfolge der Wichtigkeit war Stauung, Schwäche, Stase, HbA_1c, Geschlecht, Schleim, Dauer der Hypertonie, ASI, UHR. Die Anwendung des Modells bei Patienten mit kritischen Läsionen ergab einen AUC von 0,783 (95%-CI 0,637–0,930) mit 73 % der tatsächlichen schweren Stenosepatienten, die davon profitieren konnten. Fazit: Das entwickelte diagnostische chinesisch-westliche Modell zeigt eine gute Leistung und kann klinische Diagnose und Entscheidungsfindung bei CKM-Patienten unterstützen.

Herz-Nieren-Metabolismus-Syndrom; koronare Stenose; kritische Läsionen; diagnostisches Modell; maschinelles Lernen