机器学习——有助于战胜慢性心力衰竭的新预测因子
概要：
金泽大学的研究人员已经使用机器学习来预测哪些类别的慢性心力衰竭患者有可能发生心力衰竭死亡，哪些类别有可能导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证实，这些结果将有助于医生延长全球患者的寿命。
日本金泽–全球数以千万计的人患有慢性心力衰竭，其中只有略超过一半的人在诊断后可以生存5年。现在，日本的研究人员正在帮助医生根据患者的特定需求将其分为几类，以改善医疗效果。
在近期发表在《核心脏病学杂志》上的一项研究中，金泽大学的研究人员已经使用计算机科学来将有可能患心律失常性心律失常的患者与有可能死于心力衰竭的患者区分开。
医生可以使用许多方法来诊断慢性心力衰竭。但是，有必要根据每种方法的风险来更好地确定要采取的治疗方法。与常规临床测试结合使用时，称为碘123标记的MIBG的分子可以帮助区分高危和低危患者。但是，没有办法单独评估心律失常死亡的风险和心力衰竭死亡的风险，金泽大学的研究人员旨在解决这一问题。
该研究的主要作者 Kenichi Nakajima 解释说：“我们使用人工智能表明，许多变量协同作用，可以更好地预测慢性心力衰竭的预后。 “这两个变量本身都不完全能够完成任务。”
为此，研究人员检查了526例慢性心力衰竭患者的病历，这些患者接受了连续的碘123-MIBG成像和标准临床测试。成像后常规医疗照常进行。
Nakajima 说：“结果很明显。” “心力衰竭死亡常见于MIBG活性非常低，纽约心脏协会等级较差和合并症的老年患者。”
此外，心律失常常见于碘-123-MIBG活性较低且心力衰竭较轻的年轻患者。医生可以利用金泽大学研究人员的研究结果来定制医疗服务；例如，有可能满足患者需求的植入型除颤器。
Nakajima 解释说：“重要的是要注意，我们的结果需要在更大的研究中得到证实。” “特别是，心律失常的结果可能太少，以至于在临床上不可靠。”
鉴于慢性心力衰竭是一个全球性问题，在诊断后的几年内往往会死亡，如果治疗不当，必须尽快开始适当的医疗服务。通过可靠的测试可以预测哪些患者可能需要哪种治疗方法，更多的患者可能会更长寿。
图1
机器学习使用13个输入数据来预测致命性心律失常（心源性猝死），心衰死亡和生存。
图2
心力衰竭死亡（HFD）和致命性心律失常事件（ArE）的概率较高和较低的患者。高风险的HFD和ArE患者实际上显示出每种预后的发生率很高，而低风险的患者的确存活下来而没有任何事件。
文章标题
《Machine learning-based risk model using 123I-metaiodobenzylguanidine to differentially predict modes of cardiac death in heart failure》
期刊信息：核心脏病学杂志（Journal of Nuclear Cardiology）
作者：Kenichi Nakajima, Tomoaki Nakata, Takahiro Doi, Hayato Tada, Koji Maruyama
DOI: 10.1007/s12350-020-02173-6
原文链接：https://www.kanazawa-u.ac.jp/latest-research/81664
声明：本文由 Newfellow 编译，中文内容仅供参考，一切内容以英文原版为准。
关注官方微信