Блог

Mar 14, 2023

AI ID: 5 видов сердечной недостаточности для прогнозирования риска и лечения

Сердечная недостаточность затрагивает многие миллионы людей во всем мире, но может быть вызвана множеством

Сердечная недостаточность затрагивает многие миллионы людей во всем мире, но может быть вызвана множеством факторов и требует различных методов лечения. Теперь исследователи обучили несколько моделей машинного обучения, используя большой набор популяционных данных, для выявления пяти подтипов сердечной недостаточности, которые могут лучше информировать о лечении, обучении пациентов и прогнозировании будущих факторов риска.

«Сердечная недостаточность» — это общий термин, используемый для описания случаев, когда сердце недостаточно эффективно перекачивает кровь, чтобы удовлетворить потребности организма в крови и кислороде. Это может быть вызвано несколькими основными факторами, влияющими на лечение этого заболевания. Факторы риска сердечной недостаточности включают ишемическую болезнь сердца и сердечные приступы, диабет, высокое кровяное давление, избыточный вес и ожирение, а также заболевания сердечных клапанов.

Традиционно различные типы сердечной недостаточности классифицируются в зависимости от фракции выброса левого желудочка (ФВЛЖ) – количества крови, которую левый желудочек сердца выбрасывает при каждом сокращении. Но шведское исследование машинного обучения, проведенное в 2018 году, показало, что ФВЛЖ не позволяет прогнозировать выживаемость при сердечной недостаточности.

Теперь исследователи из Университетского колледжа Лондона использовали четыре модели машинного обучения, чтобы разработать основу для определения подтипов сердечной недостаточности, которая могла бы лучше информировать о лечении и определять будущий риск.

Исследователи изучили анонимные электронные медицинские записи более чем 300 000 пациентов из Великобритании, у которых за 20 лет была диагностирована сердечная недостаточность. Данные были взяты из двух крупных наборов данных первичной медико-санитарной помощи, репрезентативных для населения Великобритании.

«Мы стремились усовершенствовать классификацию сердечной недостаточности, чтобы лучше понять вероятное течение заболевания и сообщить об этом пациентам», — сказала Амитава Банерджи, ведущий автор исследования. «В настоящее время трудно предсказать, как будет прогрессировать болезнь для отдельных пациентов. У некоторых людей состояние будет стабильным в течение многих лет, в то время как у других быстро ухудшается состояние».

Чтобы избежать предвзятости, которая может возникнуть при использовании одной модели машинного обучения, исследователи использовали четыре модели для разделения случаев сердечной недостаточности на группы. После обучения с использованием сегментов данных модели различали пять подтипов на основе 87 из 635 возможных факторов, включая возраст, симптомы, наличие других заболеваний, лекарства, которые пациент принимал, параметры здоровья, такие как артериальное давление, и результаты тестов, такие как как функция почек. Подтипы были проверены с использованием отдельного набора данных.

Пять подтипов были сгруппированы по конкретным характеристикам. «Раннее начало» включало молодых людей с низким уровнем факторов риска. «Позднее начало» — женщины старшего возраста, которым прописано мало лекарств, и у них были сердечно-сосудистые заболевания. «Связанные с фибрилляцией предсердий» включали людей с фибрилляцией предсердий – состоянием, при котором сердце бьется нерегулярно – или заболеванием сердечных клапанов. В подтип «Метаболик» вошли люди с избыточным весом, средним уровнем факторов риска, но низким уровнем сердечно-сосудистых заболеваний. А в группу «Кардиометаболик» вошли люди с избыточным весом, принимающие большое количество назначенных лекарств, с высоким уровнем факторов риска и сердечно-сосудистых заболеваний.

Исследователи обнаружили, что риск смерти в течение года после постановки диагноза различался в зависимости от подтипа. Через год риск смертности от всех причин был самым высоким в подгруппе, связанной с фибрилляцией предсердий (61%), за которой следовали поздние (46%), кардиометаболические (37%), ранние (20%) и метаболические (20%). 11%).

Исследователи говорят, что результаты исследования могут быть использованы для улучшения лечения сердечной недостаточности.

«Лучшее различие между типами сердечной недостаточности может также привести к более целенаправленному лечению и помочь нам по-другому думать о потенциальных методах лечения», — сказал Банерджи.

Исследователи разработали приложение, основанное на их подходе машинного обучения, которое врачи могут использовать, чтобы определить, к какому подтипу относится человек. Его можно использовать для обучения пациентов и улучшения прогнозирования будущих рисков.

«Следующий шаг — посмотреть, может ли этот способ классификации сердечной недостаточности иметь практическое значение для пациентов — улучшает ли он прогнозы риска и качество информации, предоставляемой клиницистами, и меняет ли он лечение пациентов», — сказал Банерджи. «Нам также необходимо знать, будет ли это экономически эффективным. Приложение, которое мы разработали, нуждается в оценке в ходе клинических испытаний или дальнейших исследований, но оно может помочь в повседневном уходе».