文章详见：基于临床风险、冠状动脉钙化、心外膜脂肪组织的机器学习预测心肌梗死和心源性死亡的长期风险：一项前瞻性研究（节选一）
基于临床风险、冠状动脉钙化、心外膜脂肪组织的机器学习预测心肌梗死和心源性死亡的长期风险：一项前瞻性研究（节选二）
黎励文
医院广东省心血管病研究所
这是一项基于分析临床危险因素、CT计算冠状动脉钙化积分（Coronaryarterycalcium，CAC）、心外膜脂肪组织（epicardialadiposetissue，EAT）等，通过机器学习（machinelearning，ML），由ML预测发生致动脉粥样硬化性心血管疾病（atheroscleroticcardiovasculardisease，ASCVD）事件评估价值。此文章虽然是从既往根据CAC评分后，长期随访EISNER研究人群进行的前瞻分析，但是对于应用人工智能（ArtificialIntelligence，AI）对疾病发生进行预测有一定价值。1.对EISNER研究中例无临床症状受试者进行了14.5±2年随访，根据最终发生的76例心肌梗死（MyocardialInfarction，MI）和/或心源性死亡（cardiacdeath）事件，推论ML在预测事件获得的AUC，高于致动脉粥样硬化性心血管疾病风险（ASCVD-risk）评估及CAC积分对事件的预测价值。
2.ASCVD事件预测评估，主要根据弗明翰研究（FraminghanStudy）提出的基于胆固醇和非胆固醇因素，计算未来10年冠心病发生几率。非胆固醇因素分为高危因素：糖尿病、已确诊冠心病；主要危险因素：男性45岁，女性55岁；吸烟；高血压或正在接受高血压病治疗；低高密度脂蛋白胆固醇；一级亲属中，男性55岁、女性65岁发生冠心病史；其他因素：肥胖、高饱和脂肪酸和高胆固醇饮食、运动少以及高半胱氨酸和脂蛋白a水平升高。具有高危因素中任何一项者在十年中发生心脏病或心脏病复发的可能性20％（即10年心脏病危险20％）。具有0~1项主要危险因素者10%，具有2项或2项以上主要危险因素者可以是10%，10~20%，或20%。
3.近年来，随着临床研究和基础研究进展，新的危险因素，如通过CT等影像技术得到CAC、血液中新生物学标志物检测等，对于预测ASCVD的发生有了更多重要支持依据。今年发布的《中国心血管病一级预防指南》中，也将CAC≥AU作为心血管病风险增强因素。在过去几年中，MESA和CONFIRM注册登记研究通过ML分析无症状或疑似受试者CAD发生的几率，也取得了一定成效。ML需要通过对大量不同数据的分析，归纳总结，才能建立规律性系统性模型。
4.EAT是近年研究热点，认为是兼具多项功能的活跃代谢组织，在致动脉粥样硬化的炎症反应中有重要调控作用，随着AI技术发展，EAT作为可以定量测量的指标，ML可以为医学研究带来有价值的分析结果。
总之，通过ML的AI技术在医学领域应用是今后发展方向，但是，仍然需要临床工作者提供大量的相关检测指标，以供ML建立可操作性模型。
聚焦Cardiovascular
心血管领域
医生和科研工作者的
学术交流平台
预览时标签不可点收录于话题#个上一篇下一篇