新型人工智能算法可以帮助个性化预防心血管疾病
一种新的人工智能(AI)算法准确地估计了由累积暴露于胆固醇和血压水平引起的心脏病风险，以及降低这两者的益处，从而提供了做出个人治疗决策所需的基本信息。本文介绍了最新的突破性研究热线会话在2022年8月28日ESC大会上。
“这项研究首次展示了如何嵌入低密度脂蛋白胆固醇和胆固醇的因果影响收缩压(SBP)应用到人工智能算法中，”英国剑桥大学首席研究员布莱恩·费伦特教授说“这些算法可用于为个别患者提供关于降低LDL和SBP的最佳时机、强度和持续时间的决策，以最有效地预防动脉粥样硬化性心血管事件。”
动脉粥样硬化性心血管疾病是一种慢性进行性疾病，在生命早期开始，随着时间的推移缓慢进展。随机试验表明，降低低密度脂蛋白和收缩压可降低动脉粥样硬化性心血管事件的风险。然而，孟德尔随机化研究表明，终身接触低LDL和收缩压，与随机试验中观察到的晚年开始降低LDL和收缩压的降低相比，心血管事件风险的降低要大得多。这表明，在生命早期降低低密度脂蛋白和收缩压可能会大大改善心血管疾病的预防。然而，降低LDL和SBP以预防心血管事件的最佳时机、持续时间和强度尚不清楚。
临床医生使用风险估计算法来选择可能从治疗中受益的心脏病可能性较高的人。然而，这些算法不包括随机试验或孟德尔随机化研究中观察到的LDL和收缩压的影响，因此可能无法捕捉到降低LDL或收缩压的真正好处。因此，本研究的目标是双重的。首先，评估目前的风险评分是否准确地估计了由LDL和收缩压引起的心血管事件的基线风险，以及从任何年龄开始并持续任何时间降低LDL和收缩压的益处。其次，使用人工智能算法评估，添加LDL和SBP的因果效应是否更准确地估计心血管风险和益处。
因果AI算法用于评估LDL和SBP在暴露的离散时间单位中的影响(以以前的暴露为条件，以反映动脉粥样硬化发展的生物学)，在180万人中，包括1320,974名参加孟德尔随机化研究的参与者，评估140个与LDL相关的变体和202个与SBP相关的变体，以及527,512名参加76个评估LDL或SBP降低疗法的随机试验的参与者。
评估了英国联合学会(JBS3)算法的准确性，无论是单独还是在添加LDL和SBP的因果AI效应后:1)英国生物样本库445,771名参与者的独立样本，以评估这些算法的估计效果生命周期风险和福利;2) 48315名LDL和收缩压降低试验参与者，以评估这些算法对试验中观察到的降低LDL、收缩压或两者的短期益处的估计效果。主要终点为主要冠状动脉事件(MCE)，定义为首次发生致命或非致命心肌梗死或冠状动脉血运重建。次要终点为重大心血管事件(MCVE)，定义为首次发生重大冠状动脉事件或非致死性缺血性卒中。
这项研究有三个主要发现。第一，JBS3算法系统地低估了终身高LDL、SBP或两者兼有的人发生MCE的风险;系统性地高估了那些终身暴露于低LDL、低收缩压或两者兼有的人群的风险。
Ference教授说:“这一发现解释了为什么目前的风险算法得出了一个生物学上难以置信的结论，即LDL和sbp(动脉粥样硬化性心血管事件的两个主要可改变的原因)对心血管事件的风险没有意义。相比之下，包括来自因果AI算法的LDL和SBP的因果效应，准确估计了所有年龄段LDL、SBP或两者都有较高和较低终身暴露的人群中MCE的风险。”
第二，JBS3算法系统地低估了在MCE上维持终身低LDL、SBP或两者的好处。相比之下，包括LDL和收缩压的因果效应，准确地估计了在所有年龄维持终身低LDL和收缩压的益处。第三，与LDL和SBP降低疗法的随机试验相比，JBS3算法系统地低估了降低LDL、SBP或两者在生命后期开始的益处。相比之下，在随机试验中观察到的每个月的随访中，包括LDL和SBP的因果效应准确地估计了降低LDL、SBP或两者在生命后期开始的益处。
Ference教授说:“目前的风险估计算法对预防有偏见，因为它们系统性地低估了降低低密度脂蛋白和收缩压的好处。这可能会导致错误的结论，即等到晚年再降低LDL和收缩压比年轻时降低LDL和收缩压更有效，成本更低。用因果AI取代这些算法有可能使心血管疾病的预防个性化，并说明公共卫生以及投资心血管预防的经济价值。”
进一步探索
