疑似心脏性胸痛的临床检查耗费大量资源。尽管人们寄予厚望，但高敏心肌肌钙蛋白（hs-cTn）检测并未简化决策过程。由于临床医生对肌钙蛋白检测结果的解释不尽相同，最近验证的快速分诊方案（包括0/1小时hs-cTn检测路径）的影响和结果可能会受到限制。此外，临床表现的多样性和短时间的护理也与建立一个自我学习的医疗系统相矛盾。RAPIDxAI研究旨在重新设计急诊科疑似心脏性胸痛评估的临床方法。将在急诊科部署和评估一种基于人工智能（AI）的表型算法，该算法利用现有的健康数据预测心肌梗死和损伤亚型的可能性，并为疑似心脏性胸痛患者的风险评估和临床决策提供前瞻性支持。

该研究将部署一个专门设计的电子界面，以采集接受肌钙蛋白检测者的常规健康数据，然后将这些数据输入机器学习算法，这些算法将返回相关信息，为诊断和后续管理提供支持。具体来说，这些算法将客观地帮助划分心肌梗死、急性心肌损伤和慢性心肌损伤（或排除心肌损伤）的类型，并为后续管理提供循证指导。对这两个要素进行有目的的系统级设计，将建立一个自学环境，从而提高临床医生的决策能力，并支持消费者有意义地参与对疑似心脏性胸痛的护理。这将有助于为疑似心脏性胸痛患者提供更高效、更有效的患者护理，从而有望显著减少急诊室拥堵，促进适当的临床管理，减少护理差异，为所有患者实现公平的治疗结果。此外，它还将创建一个持久、系统的平台，加快将证据转化为临床实践。