德克萨斯大学西南医学中心（UT Southwestern Medical Center）的研究人员开发了一种机器学习模型，能够识别患有糖尿病心肌病的患者。糖尿病心肌病是一种心脏状况，其特征是心脏结构和功能的异常变化，使患者更容易发生心力衰竭。这项研究发表在《欧洲心脏杂志·心力衰竭》上，提供了一种数据驱动的方法来检测高风险的糖尿病心肌病表型，从而实现早期干预，帮助预防这一脆弱人群的心力衰竭。
“这项研究值得注意，因为它使用机器学习提供了糖尿病心肌病的全面描述——这种疾病之前缺乏共识定义——并识别出一个高风险表型，这可以指导针对糖尿病患者更精准的心力衰竭预防策略，”资深作者、UT Southwestern内科医学系心脏病学部门副教授Ambarish Pandey博士说。
Pandey博士解释道，表型是指个体可观察到的物理属性，这些属性赋予他们特定的生物学特征。他和他的研究同事使用了来自社区动脉粥样硬化风险（ARIC）队列的数据，该队列包括1000多名患有糖尿病但没有心血管疾病史的参与者。通过分析25个超声心动图参数和心脏生物标志物，研究团队确定了三个患者亚组。
研究发现，其中一个亚组占队列的27%，被确定为高风险表型。这个组的患者NT-proBNP水平显著升高，这是一种与心脏压力相关的生物标志物，同时伴有异常的心脏重塑，如左心室质量增加和舒张功能受损。最值得注意的是，该组患者在五年内发生心力衰竭的比例为12.1%，显著高于其他亚组。
基于这些发现，研究人员开发了一个深度神经网络分类器来识别糖尿病心肌病。当在额外的队列中进行验证时，包括心血管健康研究和UT Southwestern的电子健康记录数据库，该模型识别出16%至29%的糖尿病患者具有高风险表型。这些患者始终表现出更高的心力衰竭发病率。
“临床上，该模型可以帮助将强化预防疗法（如SGLT2抑制剂）靶向最有可能受益的患者，”Pandey博士说，指的是用于治疗2型糖尿病的一类药物。“它还可以帮助丰富针对糖尿病患者心力衰竭预防策略的临床试验。”
这项研究扩展了早期关于糖尿病心肌病的研究，由于其早期阶段无症状且对心脏的影响范围广泛，该疾病一直难以定义。机器学习引入了一种方法来精确定位高风险患者，可能比传统诊断方法更为精细。
“这建立在我们之前评估社区居住成年人糖尿病心肌病患病率和预后意义的工作基础上，”Pandey博士说。“它通过使用机器学习识别出更具体的高风险心肌病表型，进一步推进了这些努力。”
通过提供一种新的方法来识别心力衰竭风险患者，该模型可以实现更早和更积极的干预，改善患者结局，并塑造未来心血管护理的研究方向。
“这项研究与UTSW的使命相契合，利用数据科学和心血管研究的优势，开发可以改善患者护理和为未来临床试验提供信息的工具，”Pandey博士说。
(全文结束)
