機(jī)器學(xué)習(xí)——有助于戰(zhàn)勝慢性心力衰竭的新預(yù)測因子
概要：
金澤大學(xué)的研究人員已經(jīng)使用機(jī)器學(xué)習(xí)來預(yù)測哪些類別的慢性心力衰竭患者有可能發(fā)生心力衰竭死亡，哪些類別有可能導(dǎo)致心律失常性死亡或心源性猝死。如果在更大的研究中得到證實(shí)，這些結(jié)果將有助于醫(yī)生延長全球患者的壽命。
日本金澤–全球數(shù)以千萬計(jì)的人患有慢性心力衰竭，其中只有略超過一半的人在診斷后可以生存5年�，F(xiàn)在，日本的研究人員正在幫助醫(yī)生根據(jù)患者的特定需求將其分為幾類，以改善醫(yī)療效果。
在近期發(fā)表在《核心臟病學(xué)雜志》上的一項(xiàng)研究中，金澤大學(xué)的研究人員已經(jīng)使用計(jì)算機(jī)科學(xué)來將有可能患心律失常性心律失常的患者與有可能死于心力衰竭的患者區(qū)分開。
醫(yī)生可以使用許多方法來診斷慢性心力衰竭。但是，有必要根據(jù)每種方法的風(fēng)險(xiǎn)來更好地確定要采取的治療方法。與常規(guī)臨床測試結(jié)合使用時(shí)，稱為碘123標(biāo)記的MIBG的分子可以幫助區(qū)分高危和低危患者。但是，沒有辦法單獨(dú)評估心律失常死亡的風(fēng)險(xiǎn)和心力衰竭死亡的風(fēng)險(xiǎn)，金澤大學(xué)的研究人員旨在解決這一問題。
該研究的主要作者 Kenichi Nakajima 解釋說：“我們使用人工智能表明，許多變量協(xié)同作用，可以更好地預(yù)測慢性心力衰竭的預(yù)后。 “這兩個(gè)變量本身都不完全能夠完成任務(wù)。”
為此，研究人員檢查了526例慢性心力衰竭患者的病歷，這些患者接受了連續(xù)的碘123-MIBG成像和標(biāo)準(zhǔn)臨床測試。成像后常規(guī)醫(yī)療照常進(jìn)行。
Nakajima 說：“結(jié)果很明顯。” “心力衰竭死亡常見于MIBG活性非常低，紐約心臟協(xié)會等級較差和合并癥的老年患者。”
此外，心律失常常見于碘-123-MIBG活性較低且心力衰竭較輕的年輕患者。醫(yī)生可以利用金澤大學(xué)研究人員的研究結(jié)果來定制醫(yī)療服務(wù)；例如，有可能滿足患者需求的植入型除顫器。
Nakajima 解釋說：“重要的是要注意，我們的結(jié)果需要在更大的研究中得到證實(shí)。” “特別是，心律失常的結(jié)果可能太少，以至于在臨床上不可靠。”
鑒于慢性心力衰竭是一個(gè)全球性問題，在診斷后的幾年內(nèi)往往會死亡，如果治療不當(dāng)，必須盡快開始適當(dāng)?shù)尼t(yī)療服務(wù)。通過可靠的測試可以預(yù)測哪些患者可能需要哪種治療方法，更多的患者可能會更長壽。
圖1
機(jī)器學(xué)習(xí)使用13個(gè)輸入數(shù)據(jù)來預(yù)測致命性心律失常（心源性猝死），心衰死亡和生存。
圖2
心力衰竭死亡（HFD）和致命性心律失常事件（ArE）的概率較高和較低的患者。高風(fēng)險(xiǎn)的HFD和ArE患者實(shí)際上顯示出每種預(yù)后的發(fā)生率很高，而低風(fēng)險(xiǎn)的患者的確存活下來而沒有任何事件。
文章標(biāo)題
《Machine learning-based risk model using 123I-metaiodobenzylguanidine to differentially predict modes of cardiac death in heart failure》
期刊信息：核心臟病學(xué)雜志（Journal of Nuclear Cardiology）
作者：Kenichi Nakajima, Tomoaki Nakata, Takahiro Doi, Hayato Tada, Koji Maruyama
DOI: 10.1007/s12350-020-02173-6
原文鏈接：https://www.kanazawa-u.ac.jp/latest-research/81664
聲明：本文由 Newfellow 編譯，中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準(zhǔn)。
關(guān)注官方微信