据10月30日（健康日新闻）报道，一项发表在9月6日《欧洲心脏杂志·心力衰竭》上的研究表明，机器学习可以识别糖尿病患者中患糖尿病心肌病（DbCM）风险最高的人群。
德克萨斯心脏研究所的Matthew W. Segar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，该方法通过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名参加动脉粥样硬化社区队列研究的糖尿病患者，这些患者均无心血管疾病。该模型使用来自心血管健康研究的802名参与者的数据以及一个包含5,071份电子病历的独立队列进行了验证。
研究人员发现，表型组3（高风险DbCM表型，324名患者）的五年心力衰竭发生率显著高于其他表型组（12.1% vs. 表型组2的4.6%和表型组1的3.1%）。对于高风险DbCM表型，关键的超声心动图预测因子包括较高的N末端B型利钠肽水平、左心室质量和左心房大小增加以及较差的舒张功能。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患者。外部验证队列中具有高风险DbCM表型的参与者心力衰竭的发生率显著更高。
“基于机器学习的聚类方法识别DbCM可能会促进一种基于风险的方法，即在糖尿病患者中，针对最有可能受益的高风险亚组使用有效但可能昂贵的心力衰竭预防疗法。”作者写道。
(全文结束)
