机器学习驱动的急性心梗后心力衰竭精准管理策略构建

主要目的： 1.验证模型的预测效能，通过整合电子病历、穿戴设备时序数据、影像学特征及多组学数据，实现 AUC≥0.85、敏感性≥89%的跨中心稳定性能，显著优于传统静态模型（AUC 0.62-0.75）； 2.开发轻量化 AI 决策支持系统，5 分钟内生成个性化干预方案（如β受体阻滞剂剂量优化），并嵌入医院信息系统与可穿戴设备实现实时预警。 次要目的： 1.评估临床适用性，分析医生对模型预警阈值与干预建议的接受度，目标降低基层误诊率 40%； 2.前瞻性观察模型对患者结局的影响，目标减少 HF 发生率 12%-15%及再住院率； 3.建立标准化“动态监测-风险预警-干预”闭环管理流程，推动智慧医疗落地。