创新点：美国加州大学圣地亚哥分校医院崔松以及其他合作者利用多种机器学习算法集成从三个独立队列的血清代谢组中开发并验证了一种多代谢物预测模型，可以前瞻性地识别PCI术后心绞痛复发风险，准确率超过89%。该模型能提高识别高危患者的能力，使早期干预和减少PCI术后心绞痛的复发成为可能。
关键词：AdvancedScience，人工智能机器学习算法，血清代谢组，心绞痛复发，预测组
冠心病(Coronaryarterydisease,CAD），是一种最常见的心脏病，约占心血管病人总数的40%以上。经皮冠状动脉介入术（Percutaneouscoronaryintervention,PCI)是目前治疗冠心病的主要手段之一。尽管冠状动脉血管成形术技术已有许多改进，但PCI后心绞痛复发仍是许多心内科专家在日常临床实践中必须解决的常见问题。复发性心绞痛的病理生理机制十分复杂，目前尚未完全阐明，可能与PCI术后结构和功能的改变有关，迫切需要能够预测PCI术后心绞痛复发的方法策略。预测组(Predictome)的定义是使用来自一个或多个组学模式的多变量特征来预测疾病发生的几率。各种组学技术中，代谢组学是研究复杂系统的一种独特的自上而下的方法，因为代谢组谱代表了细胞对生理、病理生理刺激或表观遗传修饰的反应的表型。人工智能（AI）和机器学习（ML）是计算机科学中的术语，但是，最近它们受到了整个科学界的极大