心血管外科手术围术期并发症多、死亡风险高，科学的手术复杂性评估系统可以帮助临床医生充分评估手术难度，进行患者手术风险分层，针对性、个性化制定诊疗方案，也有助于卫生管理部门准确掌握我国心血管外科整体诊疗水平，监测医疗质量。
近期，阜外医院刘盛等发表综述指出，基于中国人群特点建立心血管病手术复杂性评估系统，对提高我国心血管疾病诊疗水平意义重大。
作者认为，在评估系统建立过程中，可以参考既往评分系统的方法，同时也可应用新兴的机器学习算法，通过处理大样本量及多维数据建立准确度高、适用性强的评估系统。
自20世纪 80 年代以来，国际上已有一系列关于心血管手术复杂性评估系统的研究，如北美胸外科医师协会成人心脏外科数据库（STS-NCD）风险评估系统、欧洲心脏手术风险评估系统（EuroSCORE）、中国CABG风险评估系统（SinoSCORE）。
2010年，中国医学科学院阜外医院郑哲等基于中国心血管外科注册登记研究数据库（CCSR）2007~2008年间接受CABG的9 564例成年患者的临床资料，构建了SinoSCORE 评估系统，最终纳入了11个危险因素以预测我国 CABG术后院内死亡风险，可以客观、准确地预测我国接受CABG患者的死亡风险。
SinoSCORE 在中国瓣膜手术患者术后风险评估中同样有良好的适用性及准确性，可以用于国内心脏中心进行CABG及瓣膜手术复杂程度及死亡风险评估，有助于临床工作中的诊疗方案制定、医患沟通及医疗质量评价。
特定手术评估系统有Mount Sinai评分、先天性心脏病手术风险分级评分（RACHS-1）、亚里士多德评分系统等。
在心血管手术复杂性评估方面，机器学习已体现出优越的性能和广阔的应用前景。2021年，Penso等随访分析了 2008~2018 年间接受二尖瓣成形术的 1 000 例患者的临床数据，采用决策树（DT）、随机森林（RF）、极限梯度提升（XGBoost）等 6 种机器学习算法建立了手术失败的预测模型，共纳入6个风险变量，在预测改行二尖瓣置换及术后 2个月反流复发上展现出优越的预测能力及应用前景。
Jiang 等应用梯度提升机（GBM）、DT、RF、XGBoost 等机器学习算法建立了心脏瓣膜术后心梗、脑卒中等严重并发症发生风险预测模型，并开发在线计算工具，共纳入14个围术期变量，发现机器学习模型的预测能力较好，临床操作方便。
基于大样本量数据库，国外已将评分系统应用于临床工作，以评估手术难度、预测术后死亡及并发症发生风险，并取得了良好的效果。但是以上评分系统在我国的应用前景有待进一步证实。
数据层面，现有模型多基于 10~20 年前的临床数据，不能准确反映当前疾病谱和干预治疗技术的变化；目前多数评估模型多基于欧美人群的临床资料，我国医疗技术水平不平衡、人群疾病谱存在差异。
在技术层面，以上评分系统多采用专家组主观评价或传统的Logistic 回归分析等建模方法，普适性强但是个体化评价能力弱、纳入风险因素有限、操作复杂及直观性差。以上因素导致上述风险预测模型应用于现有国内患者评估的特异度和准确度存在偏差，难以完全准确评估手术复杂程度。
基于当前心血管手术复杂性评估系统的必要性及目前应用模型的局限性，更加全面的评估系统亟待建立。建模方面，有以下方向可以改进：
（1）需要建立样本量更大、时间更新、临床资料更多维全面、纳入全国更多中心的中国人群手术患者数据库；
（2） 建模过程中应充分考虑到我国心脏中心诊疗水平或术者经验等差异，对于患者术前可以有更个体化、更全面的评价；
（3）评估系统应充分反映手术技术的进步，纳入更多新技术、新方法，可以针对不同手术方式建立各自的模型；
（4）建模方法可以应用机器学习等新型算法，充分分析多维数据，结果可以以 风险计算软件等形式呈现，应用于临床更为简便、快捷，且可以直观、个性化地反映每位患者的手术复杂性。
来源：
朱坤, 徐航, 郑珊珊, 等. 心血管外科手术复杂性评估系统的现状及研究进展. 中国循环杂志,2024, 39(6): 620-624. DOI:10.3969/j.issn.1000-3614.2024.06.015.