人工智能现可识别5种心衰用于指导风险预测和治疗

心力衰竭影响着全球数百万人，但可由多种因素引起，需要不同的治疗。现在，研究人员利用一个大型的、基于人群的数据集训练了多个机器学习模型，以确定心力衰竭的五种亚型，这可能会更好地为治疗、病人教育和未来风险因素的预测提供信息。

"心力衰竭"是一个总括性术语，用于描述当心脏不能有效地泵送血液和氧气以满足身体的需要。它可以由影响病情治疗的几个潜在因素引起。心衰的风险因素包括冠状动脉疾病和心脏病发作、糖尿病、高血压、超重和肥胖以及心脏瓣膜的疾病。

传统上，不同类型的心力衰竭是根据一个人的左心室射血分数（LVEF）来分类的，即心脏左心室每次收缩时推出的血液量。但2018年瑞典的一项机器学习研究发现，LVEF并不能预测心衰的存活率。

现在，伦敦大学学院的研究人员利用四个机器学习模型开发了一个确定心衰亚型的框架，这可能会更好地指导治疗和确定未来风险。

研究人员查看了英国30多万名被诊断为心力衰竭的患者的匿名电子健康记录数据，时间跨度达20年。这些数据取自两个代表英国人口的大型初级保健数据集。

该研究的主要作者Amitava Banerjee说："我们试图改善我们对心力衰竭的分类方法，目的是更好地了解疾病的可能进程，并将其传达给病人。目前，这种疾病如何发展对个别病人来说是难以预测的。有些人的病情会稳定很多年，而有些人则会迅速恶化。"

为了避免使用一个机器学习模型可能产生的偏见，研究人员使用了四个模型将心力衰竭病例分成了几组。在使用部分数据进行训练后，这些模型根据可能的635个因素中的87个因素分辨出五个亚型，包括年龄、症状、是否存在其他疾病、病人服用的药物、血压等健康参数以及肾功能等测试结果。这些亚型使用一个单独的数据集进行了验证。

这五种亚型是根据具体的特征进行分组的。早发"包括风险因素发生率低的年轻人。晚发'是指年龄较大、女性、处方药少且有心血管疾病的人。房颤相关 - 一种心脏不规则跳动的情况，或是患有心脏瓣膜疾病的人。"代谢性亚型"包括超重的人，他们的危险因素比率中等，但心血管疾病的比率较低。而"心脏代谢型"包括服用大量处方药的超重人群，他们的风险因素和心血管疾病的比率很高。

研究人员发现，不同亚型之间在诊断后一年内的死亡风险是不同的。一年后，心房颤动相关亚组的人全因死亡风险最高（61%），其次是晚发（46%）、心脏代谢（37%）、早发（20%）和代谢（11%）。

研究人员说，该研究的发现可用于改善心衰的治疗。Banerjee说："更好地区分心力衰竭的类型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。"

研究人员根据他们的机器学习方法开发了一个应用程序，医生可以用它来确定一个人属于哪个亚型。它可以用来指导病人教育和改善对未来风险的预测。

"下一步是看这种心力衰竭的分类方法是否能给病人带来实际的变化--它是否能改善风险预测和临床医生提供的信息质量，以及它是否能改变病人的治疗，"Banerjee说。"我们还需要知道它是否会有成本效益。我们设计的应用程序需要在临床试验或进一步的研究中进行评估，但可以帮助常规护理。"

该研究发表在《柳叶刀数字健康》杂志上。