西奈山研究人员开发了一种基于机器学习的分析工具，可以预测数百万阻塞性睡眠呼吸暂停（一种严重的睡眠障碍）患者的心血管疾病风险，根据最近发表在《Communications Medicine》杂志上的研究结果。
研究团队表示，他们的研究首次提供了关于持续气道正压通气（CPAP）——阻塞性睡眠呼吸暂停的常用治疗方法——是否会增加或降低个体心血管风险的估计值。这项研究强调了精准医学的潜力，以及通过多种方法定制临床护理以降低脆弱患者心血管疾病风险的可能性。
阻塞性睡眠呼吸暂停是一种常见且严重的疾病，在睡眠过程中呼吸会反复停止和开始。在美国，估计有2500万人受此影响，且与包括中风和心脏病在内的心血管疾病风险升高相关。CPAP通过面罩提供持续的加压气流，有助于消除睡眠过程中的呼吸障碍，仍然是治疗睡眠呼吸暂停最有效的方法。然而，先前的大型研究并未显示CPAP能降低此类患者的心血管疾病风险。
西奈山研究人员使用机器学习算法创建了一个分析模型，该模型可以预测CPAP如何影响个体的心血管健康——基于患者的睡眠和健康信息，估计每位患者从该治疗中获益或受害的可能性。
"我们的研究发现代表了个性化医学的重大进步，摆脱了阻塞性睡眠呼吸暂停治疗中'一刀切'的策略，"共同通讯作者、西奈山伊坎医学院医学教授（肺部、重症监护和睡眠医学）以及人工智能与人类健康教授、肺部、重症监护和睡眠医学部学术事务副主任Neomi A. Shah博士（MD, MPH, MSC）表示。"这突显了像我们模型这样的新型数据驱动方法的价值，可以帮助临床医生就CPAP治疗建议做出知情决策，增强个性化护理以满足每位患者的个体需求。"
西奈山团队分析了睡眠呼吸暂停心血管终点（SAVE）试验的数据，这是评估CPAP预防心血管疾病的最大临床队列研究，在七个国家的89个站点有超过2,600名参与者，用于估计个体化治疗效果评分。他们在分析模型中考虑了来自睡眠和健康信息的100多个预测因子，确定了23个关键基线特征，如既往病史和吸烟状况。
研究人员发现，治疗反应在整个队列中存在显著差异。该模型识别出一个亚组，预计该亚组患者通过CPAP治疗会改善心血管风险；被随机分配接受该治疗的该亚组参与者与接受常规护理的该亚组患者相比，未来心脏风险改善了100倍。相反，那些被预测会因治疗而受到伤害的亚组患者，在接受CPAP与常规护理相比时，心血管疾病结局（包括复发性中风和心脏病发作）增加了100多倍。
"这些结果展示了机器学习在精准医学时代预测治疗效果的力量；然而，此类模型需要经过仔细验证，以证明其在临床实践中的实用性，"共同第一作者、西奈山伊坎医学院医学助理教授（肺部、重症监护和睡眠医学）Oren Cohen博士表示。
"医学中的人工智能必须从模式识别超越到因果推理，"共同通讯作者、西奈山伊坎医学院生物统计学和数据科学部联席主任，以及人口健康科学与政策和人工智能与人类健康教授Mayte Suarez-Farinas博士表示。"通过使用随机临床试验数据随时间估计个体化治疗效果，我们将预测性人工智能转变为基于因果关系的决策支持工具，能够为现实世界中的治疗决策提供信息并改善治疗结果。"
SAVE试验的研究人员为本研究做出了贡献，包括澳大利亚悉尼乔治全球健康研究所、悉尼新南威尔士大学、澳大利亚阿德莱德阿德莱德大学电气与机械工程学院，以及阿德莱德弗林德斯大学弗林德斯健康与医学研究所睡眠健康的人员。
该研究得到了Stony-Wold Herbert基金（Fellowship Award）、美国睡眠医学会基金会（AASMF医师科学家培训奖和250-SR-21）以及美国国立卫生研究院国家心肺血液研究所（T32HL160511-02和R01HL143221）的资金支持。
【全文结束】
