人工智能可帮助识别患心肌病风险最高的糖尿病患者

根据 9 月 6 日在线发表在《 欧洲心力衰竭杂志》上的一项研究，机器学习可以帮助识别患有糖尿病心肌病 (DbCM) 风险较高的糖尿病患者。

休斯顿德克萨斯心脏研究所的 Matthew W. Segar 医学博士及其同事开发并验证了一种基于机器学习的聚类方法，该方法基于超声心动图和心脏生物标志物参数来识别高风险 DbCM。训练模型包括 1,199 名参与“社区动脉粥样硬化风险”队列且没有心血管疾病的糖尿病患者。该模型使用来自心血管健康研究的 802 名参与者的数据和 5,071 份电子病历的单独队列进行验证。

研究人员发现，表型组 3(高风险 DbCM 表型，324 名患者)的五年心力衰竭发病率明显高于其他表型组(表型组 2 为 12.1%，表型组 2 为 4.6%，表型组 1 为 3.1%)。对于高风险 DbCM 表型，关键的超声心动图预测因素包括更高的 N 端 B 型利钠肽前体水平、左心室质量和左心房大小增加以及舒张功能恶化。在验证队列中，深度神经网络分类器分别识别出 16% 和 29% 的 DbCM 参与者。外部验证队列中具有高风险 DbCM 表型的参与者的心力衰竭发病率明显较高。

作者写道：“基于机器学习的聚类方法来识别 DbCM 可能会促进一种基于风险的方法，在更有可能受益的糖尿病最高风险亚群中使用有效但可能昂贵的心力衰竭预防疗法。”