Objetivo: Basado en el síndrome cardiorrenal-metabólico (CKM), construir y validar un modelo de diagnóstico con aprendizaje automático para la estenosis coronaria grave en pacientes con CKM desde la perspectiva de la medicina tradicional china y occidental, para proporcionar apoyo a la toma de decisiones clínicas en pacientes con lesiones críticas. Métodos: Estudio retrospectivo que incluyó 535 pacientes hospitalizados de dos sedes independientes, el hospital principal de medicina china de Jiangsu (enero-agosto 2024) y Zhidong (septiembre-diciembre 2024). Los datos del hospital principal se dividieron aleatoriamente 4:1 en conjunto de entrenamiento (376 casos) y conjunto de validación interna (95 casos), mientras que los datos de Zhidong se usaron como validación externa (64 casos). Se seleccionaron factores de riesgo mediante revisión bibliográfica, entrevistas con expertos y el algoritmo LASSO, y se construyeron modelos de diagnóstico usando 9 técnicas de aprendizaje automático. Se compararon indicativos de evaluación comunes, curvas de calibración y decisión, y se seleccionó el modelo mediante validación interna y externa. Se utilizó el método explicativo aditivo SHAP con 2 casos para ayudar a comprender la lógica del mejor modelo. Finalmente, se aplicó el modelo óptimo a pacientes con lesiones críticas y se calculó la eficacia diagnóstica. Resultados: La regresión LASSO seleccionó 9 factores de riesgo: flema, estasis, estancamiento, vacío, duración de la hipertensión, sexo, índice de arteriosclerosis (ASI), relación ácido úrico/colesterol HDL (UHR), hemoglobina glucosilada (HbA1c). Comparado desde múltiples ángulos, LightGBM fue el mejor modelo, con área bajo la curva ROC (AUC) de 0.918 [IC 95% 0.890–0.945] en el conjunto de entrenamiento, 0.885 (IC 95% 0.820–0.951) en validación interna y 0.897 (IC 95% 0.818–0.975) en validación externa. La curva de calibración mostró consistencia en las probabilidades predichas, la curva de decisión indicó beneficio clínico con probabilidad umbral <90%. El ranking de importancia SHAP fue estancamiento, vacío, estasis, HbA1c, sexo, flema, duración de la hipertensión, ASI, UHR. Aplicado a pacientes con lesiones críticas, el AUC fue 0.783 (IC 95% 0.637–0.930), beneficiándose el 73% de pacientes con estenosis grave real. Conclusión: Orientado al valor clínico, el modelo combinado de diagnóstico de medicina china y occidental construido en este estudio tiene buen rendimiento y puede apoyar el diagnóstico clínico y la toma de decisiones en pacientes con CKM.

Síndrome cardiorrenal-metabólico; estenosis coronaria; lesiones críticas; modelo diagnóstico; aprendizaje automático