研究人员利用机器学习将心力衰竭分为五种具有不同死亡率的亚型，从而增强疾病进展预测。该团队还开发了一个潜在有用的应用程序，可以识别患者的心力衰竭亚型，这可能会改善治疗策略和患者与临床医生的讨论。
由伦敦大学学院(UCL)的研究人员领导的一项新研究已经确定了五种不同的心力衰竭亚型，这可能被用来预测个体患者未来的风险水平。
心力衰竭是一个广义的术语，表示心脏不能有效地在全身循环血液。然而，目前的分类方法并不能准确预测疾病的发展。
最近发表在《柳叶刀数字健康》杂志上的一项研究分析了20年内英国30多万名30岁及以上被诊断患有心力衰竭的人的详细匿名数据。通过采用各种机器学习技术，研究人员描述了这种疾病的五种不同亚型:早发性、晚发性、心房颤动相关(一种导致心律不规则的疾病)、代谢性(与肥胖相关，但心血管疾病发病率低)和心脏代谢性(与肥胖和心血管疾病相关)。
研究人员发现，不同亚型的患者在确诊后一年内死亡的风险存在差异。一年内全因死亡风险为:早发性(20%)、晚发性(46%)、房颤相关(61%)、代谢性(11%)和心脏代谢性(37%)。
研究小组还开发了一款应用程序，临床医生可以使用它来确定心力衰竭患者的亚型，这可能会改善对未来风险的预测，并为与患者的讨论提供信息。
该研究的主要作者、伦敦大学学院健康信息研究所的阿米塔瓦·班纳吉教授说:“我们试图改进对心力衰竭的分类方式，目的是更好地了解疾病的可能过程，并与患者沟通。”目前，很难预测个体患者的病情进展情况。有些人会稳定很多年，而另一些人则会很快恶化。
“更好地区分不同类型的心力衰竭也可能导致更有针对性的治疗，并可能帮助我们以不同的方式思考潜在的治疗方法。
“在这项新研究中，我们使用多种机器学习方法和多个数据集确定了五种强大的亚型。
“下一步是看看这种对心力衰竭进行分类的方法是否能对患者产生实际的影响——它是否能提高对风险的预测和临床医生提供的信息的质量，以及它是否能改变患者的治疗。”我们还需要知道它是否具有成本效益。我们设计的应用程序需要在临床试验或进一步研究中进行评估，但可以帮助日常护理。”
为了避免单一机器学习方法的偏差，研究人员使用了四种不同的方法对心力衰竭病例进行分组。他们将这些方法应用于来自两个大型英国初级保健数据集的数据，这些数据集代表了整个英国人口，也与住院和死亡记录有关。(数据集为临床实践研究数据链(CPRD)和健康改善网络(THIN)，涵盖1998年至2018年。)
研究团队在数据片段上训练机器学习工具，一旦他们选择了最强大的亚型，他们就会使用单独的数据集验证这些分组。
这些亚型是根据87个(可能的635个)因素确定的，包括年龄、症状、其他疾病的存在、患者正在服用的药物以及检查(如血压)和评估(如肾功能)的结果。
研究小组还研究了来自英国生物银行研究的9573名心力衰竭患者的基因数据。他们发现，在高血压和心房颤动等疾病中，特定亚型的心力衰竭与较高的多基因风险评分(由基因整体导致的总体风险评分)之间存在联系。
参考文献:“通过机器学习从三个电子健康记录来源识别心力衰竭亚型:外部，预后和遗传验证研究”，作者:Amitava Banerjee, Ashkan Dashtban, Suliang Chen, Laura Pasea, Johan H Thygesen, Ghazaleh Fatemifar, Benoit Tyl, Tomasz Dyszynski, Folkert W Asselbergs, Lars H Lund, Tom Lumbers, Spiros Denaxas和Harry Hemingway, 2023年5月24日，The Lancet Digital health。DOI: 10.1016 / s2589 - 7500 (23) 00065 - 1
这项研究得到了来自欧盟创新药物倡议2的[email protected]财团的支持。
