人工知能（AI）は、急性冠症候群（ACS）の診断および介入のプロセスを、早期の認識から病変の特徴づけ、手技のガイダンス、事後のリスク層別化まで拡張しつつあり、ますます診療を再形成している。本総説は、ACSの軌跡全体にわたる現在のエビデンスを検討し、とりわけ臨床的に実行可能で介入につながる応用に重点を置く。AIを用いた心電図は、従来のSTEMI基準を超えて心筋梗塞や閉塞性心筋梗塞の検出を改善し得る。一方で、高感度トロポニンと臨床変数を統合した機械学習モデルは、固定的な閾値解釈ではなく、個別化された診断確率を可能にする。冠動脈イメージングでは、AIによりプラーク量、組成、冠周囲の炎症、病変特異的な血行動態を定量化でき、責任病変の同定と将来リスク評価を支える。OCTおよびIVUSに対する深層学習解析は、薄い線維性被膜の粥腫（thin-cap fibroatheroma）、プラーク侵食、石灰化、層状プラークの認識を自動化し、術者依存を低減する可能性がある。AIを用いた、または計算論的な冠動脈生理は、非責任病変の評価をさらに洗練し得るが、ランダム化エビデンスでは、生理学的特徴づけの改善が血行再建の意思決定の改善に必ずしも結びつかないことが示されている。機械学習モデルはまた、ACS後の虚血、出血、死亡リスクを多面的に推定する。主要な今後の機会は、多モーダルAIとして、ECG、バイオマーカー、画像、生理、縦断的臨床データを統合する点にある。しかし、臨床実装に先立って、外部検証、ワークフロー統合、解釈可能性、前向きのアウトカムに基づく評価は不可欠であり、日常診療へのルーチン導入にはまだ重要な検討が残る。
https://doi.org/10.20944/preprints202609.0048.v1