AI可以诊断5亚型的心脏衰竭

心力衰竭是一个总括的术语,当心脏不能正常血液泵到全身。当前的心力衰竭的分类方式不准确预测疾病进展。

这项研究发表在柳叶刀数字医疗,研究人员观察了详细的匿名病人数据来自300000多个30岁或以上的人被诊断出患有心脏衰竭在英国历时20年。

使用几个机器学习方法,他们确定了五个亚型:早期发病,发病后期,房颤相关(心房纤颤是一个条件导致心律不齐),代谢(与肥胖有关,但与低概率的心血管疾病),和代谢疾病导致肥胖和心血管疾病。

研究人员发现不同亚型在年复一年的患者的死亡风险诊断。在一年的全因死亡率风险:早发性(20%)、晚发型(46%)、心房纤维性颤动相关(61%)、代谢(11%)、和代谢疾病(37%)。

研究小组还开发了一个应用,临床医生可以用来确定哪些亚型人与心脏衰竭,这可能提高预测未来的风险和通知与病人讨论。

Banerjee教授塔第一作者(伦敦大学学院卫生信息学研究所)说:“我们试图改善心力衰竭的分类,目的是更好地了解可能的疾病和沟通这个病人。目前,如何对个别患者疾病进展很难预测。有些人将稳定多年,而其他人迅速恶化。

“更好的区分类型的心脏衰竭也可能导致更有针对性的治疗方法,可以帮助我们以不同的方式思考潜在的治疗方法。

“在这个新的研究中,我们确定了五个健壮的亚型使用多个机器学习方法和多个数据集。

“下一步是看看这种分类方式心脏衰竭病人可以产生实际的影响,无论是提高预测的风险和临床医生提供的质量信息,以及是否改变病人的治疗。我们还需要知道它是否将是成本效益。应用我们设计需要评估在临床试验或进一步研究,但可以帮助在日常保健。”

为了避免偏见从单一的机器学习方法,研究人员使用四个不同方法组例心力衰竭。他们应用这些方法两大英国初级保健数据集,数据是代表英国的人口作为一个整体,也与住院和死亡记录。(数据集被临床实践研究数据链接(CPRD)和改善健康网络(薄),涵盖了1998年至2018年)。

研究小组训练数据的机器学习工具部分,一旦他们选择最健壮的亚型,他们这些分组使用一个单独的数据集进行验证。

子类型的基础上,建立了87(635)因素包括年龄、症状、其他条件的存在,病人服用的药物,测试的结果(例如,血压)和评估(例如,肾脏功能)。

该小组还观察基因数据从9573年从英国生物库研究心力衰竭患者。他们发现之间的联系特定亚型的心力衰竭和多基因风险较高成绩(分数整体风险由于基因作为一个整体)高血压和心房纤颤等条件。

参考:巴纳吉,Dashtban,陈年代,et al .识别亚型的心力衰竭与机器学习三个电子健康记录来源:外部,预后和遗传验证研究。《柳叶刀》杂志上的数字医疗。5 (6):e370-e379。2023;doi:10.1016 / s2589 - 7500 (23) 00065 - 1

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。