ブログ

Mar 14, 2023

AIが5種類の心不全を識別し、リスク予測と治療を導く

L’insufficienza cardiaca colpisce milioni di persone in tutto il mondo e può essere causata da molteplici cause.

心不全は世界中で何百万人もの人々に影響を与えていますが、複数の要因によって引き起こされる可能性があり、異なる治療法が必要です。 現在、研究者らは大規模な人口ベースのデータセットを使用して複数の機械学習モデルをトレーニングし、心不全の 5 つのサブタイプを特定しました。これにより、治療、患者教育、および将来の危険因子の予測により良い情報が得られる可能性があります。

「心不全」は、心臓が身体の血液と酸素の必要量を満たすのに十分な効果を発揮できない状態を表す包括的な用語です。 これは、状態の治療に影響を与えるいくつかの根本的な要因によって引き起こされる可能性があります。 心不全の危険因子には、冠動脈疾患や心臓発作、糖尿病、高血圧、過体重や肥満、心臓弁の疾患などが含まれます。

従来、さまざまな種類の心不全は、心臓の左心室が収縮するたびに押し出す血液の量である左心室駆出率（LVEF）に基づいて分類されてきました。 しかし、2018年のスウェーデンの機械学習研究では、LVEFは心不全生存率を予測しないことが判明した。

今回、ユニバーシティ・カレッジ・ロンドンの研究者らは、4つの機械学習モデルを使用して、治療に関する情報をより適切に提供し、将来のリスクを判定できるかもしれない心不全のサブタイプを判定するためのフレームワークを開発した。

研究者らは、20年間にわたって心不全と診断された英国の患者30万人以上の匿名化された電子健康記録データを調べた。 データは、英国の人口を代表する 2 つの大規模なプライマリ ケア データセットから取得されました。

この研究の筆頭著者であるアミタヴァ・バナジー氏は、「私たちは心不全の起こり得る経過をより深く理解し、それを患者に伝えることを目的として、心不全の分類方法を改善しようと努めた」と述べた。 「現時点では、病気がどのように進行するかを個々の患者について予測することは困難です。何年も安定している人もいますが、すぐに悪化する人もいます。」

1 つの機械学習モデルを使用することで生じる可能性のあるバイアスを回避するために、研究者らは 4 つのモデルを使用して心不全症例をグループに分類しました。 データのセグメントを使用してトレーニングされた後、モデルは、年齢、症状、他の状態の有無、患者が服用している薬、血圧などの健康パラメータ、および次のような検査結果を含む、考えられる 635 の要因のうち 87 に基づいて 5 つのサブタイプを識別しました。腎機能として。 サブタイプは別のデータセットを使用して検証されました。

5 つのサブタイプは、特定の特性に従ってクラスター化されました。 「早期発症」には危険因子の割合が低い若者が含まれていた。 「遅発性発症者」は高齢で女性、処方薬の数が少なく、心血管疾患を患っていた。 「心房細動関連」には、心臓が不規則に鼓動する状態である心房細動や心臓弁の疾患を持つ人が含まれていた。 「メタボリック」サブタイプには、危険因子の割合が中程度であるが心血管疾患の割合が低い、過体重の人が含まれていました。 また、「心臓代謝性」には、危険因子と心血管疾患の割合が高く、処方薬を大量に服用している太りすぎの人々が含まれていました。

研究者らは、診断後1年以内に死亡するリスクがサブタイプによって異なることを発見した。 1年時点での全死因死亡リスクは心房細動関連サブグループ(61%)が最も高く、次いで遅発性(46%)、心臓代謝性(37%)、早期発病(20%)、代謝性( 11%）。

研究者らは、この研究の結果は心不全の治療を改善するために利用できると述べている。

「心不全のタイプをより適切に区別することは、より標的を絞った治療法につながる可能性があり、潜在的な治療法について異なる考え方をするのに役立つかもしれない」とバナジー氏は述べた。

研究者らは、機械学習アプローチに基づいて、医師が人がどのサブタイプに該当するかを判断するために使用できるアプリを開発しました。 これは、患者の教育を指導し、将来のリスクの予測を改善するために使用できます。

「次のステップは、心不全を分類するこの方法が患者にとって実質的な違いを生むかどうか、つまりリスクの予測と臨床医が提供する情報の質を向上させるかどうか、そして患者の治療を変えるかどうかを確認することだ」とバナジー氏は述べた。 「費用対効果が高いかどうかも知る必要があります。私たちが設計したアプリは臨床試験またはさらなる研究で評価される必要がありますが、日常のケアに役立つ可能性があります。」

この研究は雑誌「The Lancet Digital Health」に掲載された。

出典: ユニバーシティ・カレッジ・ロンドン