葡萄牙里斯本 - 2019年5月13日：人工智能(AI)已有望选择心力衰竭患者进行昂贵的治疗以预防致命性心律失常，ICNC 2019今天发表的一项研究报告称。该研究是第一个使用机器学习算法预测的研究心力衰竭患者猝死。
国际核心脏病学和心脏CT会议(ICNC)由美国核心脏病学会(ASNC)，欧洲心脏病学会(ESC)的欧洲心血管成像协会(EACVI)和欧洲协会共同组织。核医学(EANM)。
发达国家约1-2%的成年人患有心力衰竭，这是一种以呼吸困难，踝关节肿胀和疲劳为特征的临床综合征.2这些患者死亡的比例很高，特别是那些症状较轻的患者，由于室性心律失常而突然发生。一些患者建议植入式心律转复除颤器(ICD)或心脏再同步治疗与心脏起搏器和除颤器(CRT-D)纠正潜在的致命性心律失常并降低猝死的风险。然而，这些治疗费用昂贵，并不适用于所有患者。
研究作者金泽大学医院的Kenichi Nakajima教授说：“我们的模型计算了突发性心律失常事件的概率，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。这可用于识别不需要ICD或CRT-D的极低风险患者，以及应该接受设备的高风险患者。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例心力衰竭患者，这些患者因突发性心律失常事件(包括心律失常性死亡，心源性猝死和ICD的适当休克)和心力衰竭导致的死亡已知两年。
机器学习 - 一种由Google搜索引擎使用的AI和智能手机上的人脸识别 - 用于发现用于预测心力衰竭患者预后的八个变量是如何相关联的，并创建一个将它们与两年结果相关联的公式。
八个因素是年龄，性别，心力衰竭严重程度(纽约心脏病协会功能分级)，心脏泵功能(左心室射血分数)，心力衰竭是否由限制血液供应(局部缺血)，B型利钠肽水平引起血液，肾功能(估计的肾小球滤过率)和核成像参数。
在为期两年的随访期间，共发生了141起事件(27%)，包括37例突发性心律失常事件(7%)和104例因心力衰竭而死亡(20%)。预测所有事件的AUC为0.87，而对于心律失常事件和心力衰竭死亡，分别为0.74和0.91。
Nakajima教授说：“这是一项初步研究，我们可以通过添加变量并继续训练机器学习算法来改进对心律失常事件的预测。”
成像参数是123碘 - 碘代苄基胍(MIBG)摄取的心 - 纵隔比(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。以前的研究表明，HMR可预测心力衰竭患者的心脏病死亡。通过将MIBG注射到静脉中然后使用成像来评估心脏和上纵隔(胸腔中心)的摄取来获得该测量。
Nakajima教授指出，虽然MIBG成像在美国和被批准用于临床实践，而在欧洲用于临床研究，但由于其成本，它在以外的使用较少。的典型MIBG示踪剂成本为350欧元，而美国为1,900-3,400欧元。他说：“虽然扫描成本可能很高，但如果避免不必要的器件植入，那将是物有所值的。”
标签：心力衰竭患者
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。