人工智能可以选择心力衰竭患者进行昂贵的治疗
今天在2019年国际心血管学会(ICNC 2019)上发表的一项研究报告称，人工智能(AI)已显示出选择心力衰竭患者接受昂贵治疗以防止致命心律失常的前景。这项研究首次使用机器学习算法来预测心力衰竭患者的猝死。
核心脏病学和心脏CT国际会议(ICNC)由美国核心脏病学会(ASNC)、欧洲心血管成像学会(EACVI)、欧洲心脏病学会(ESC)和欧洲核医学协会(EANM)联合主办。
在发达国家，大约1-2%的成年人患有心力衰竭，这是一种以呼吸困难、脚踝肿胀和疲劳为特征的临床综合征。死亡率很高病人特别是那些症状较轻的，是由于室性心律失常而突然发生的。植入式心律转复除颤器(ICDs)或心脏再同步治疗与起搏器和除颤器(CRT-D)被推荐给一些患者，以纠正潜在的致命心律失常和降低风险突然死亡．然而，这些治疗费用昂贵，并不是对所有患者都有效。
该研究的作者、日本金泽大学医院的Kenichi Nakajima教授说:“我们的模型计算出了发生突发节律性事件的概率，曲线下面积(AUC)为0.74，其中1.0是完美预测，0.5是随机结果。这可以用于识别不需要ICD或CRT-D的极低风险患者，以及应接受设备的极高危患者。以这种方式优化风险评估将提高治疗的成本效益。”
该研究纳入了529名心衰患者，已知其突发心律失常事件(包括心律失常)的两年预后死亡心脏性猝死，以及ICD引起的适当休克)和心力衰竭导致的死亡。
机器学习——一种被谷歌搜索引擎和智能手机上的人脸识别使用的AI类型——被用来发现如何使用8个变量来预测预后心力衰竭患者将它们联系起来，并建立一个公式，将它们与两年的结果联系起来。
8个因素分别为年龄、性别、心力衰竭严重程度(纽约心脏协会功能等级)、心泵功能(左室射血分数)、是否限制性心衰血液供应(缺血)、血液中b型利钠肽水平、肾功能(估计肾小球滤过率)和核成像参数。
在两年的随访中，发生141起事件(27%)，其中37起突发心律失常事件(7%)和104例因心力衰竭死亡(20%)。预测所有事件的AUC为0.87，而对心律失常事件和心力衰竭死亡的AUC分别为0.74和0.91。
中岛教授说:“这是一个初步的研究，我们可以通过增加变量和继续训练来提高对心律失常事件的预测机器学习算法．"
成像参数为123碘-前太氧苄基胍(MIBG)摄取心脏与纵隔的比值(HMR)。MIBG是去甲肾上腺素的放射性同位素类似物，用于评估心脏交感神经的活性。先前的研究表明HMR可以预测心脏病患者的心源性死亡心脏衰竭．测量方法是将MIBG注射到静脉中，然后利用成像来评估在静脉中的摄取心和上纵隔(胸腔中心)。
Nakajima教授指出，虽然MIBG成像在美国和日本被批准用于临床实践，在欧洲被批准用于临床研究，但由于其成本问题，在日本以外的地方不太常用。一个典型的MIBG示踪仪在日本的价格是350欧元，而在美国是1900 - 3400欧元。他说:“虽然扫描的成本可能很高，但如果避免不必要的设备植入，这是物有所值的。”
进一步探索
