引言
近日，伦敦大学学院的研究团队利用人工智能（AI）技术进行了一项新的研究，以揭示心力衰竭的新型子类别，该研究发表在《柳叶刀数字健康》。
1、研究背景
心力衰竭是一种严重的全球性健康问题，影响全球数亿人，其特征为心脏无法有效地将血液泵送到全身。心力衰竭的发生可能源于多种原因，包括冠心病、高血压、糖尿病、心脏瓣膜病变等多种疾病。
传统上，心力衰竭被视为一种单一的临床综合征，然而这种分类方式忽略了心力衰竭群体中存在的临床异质性。目前的心力衰竭分类方式主要根据患者的症状和心脏结构变化，但是这种分类方式不能准确地预测疾病的进展和患者的预后，也无法为临床医生提供有效的指导进行个体化治疗。
近年来，随着人工智能技术的迅猛发展，其在医学领域的应用也日益广泛，特别是在疾病的诊断、预后评估和个性化治疗方面表现出了巨大的潜力。通过使用复杂的算法和大量的数据，人工智能可以辨识出隐藏在数据中的复杂模式，从而揭示出疾病的新型分类和预测标志物。
因此，为了提升对心力衰竭的理解，并更精确地预测其发展趋势，伦敦大学学院的研究团队利用人工智能（AI）技术进行了一项新的研究，以揭示心力衰竭的新型子类别，从而为每一位心力衰竭患者提供更为个性化的预后评估和治疗策略。
2、研究概况
团队在《柳叶刀数字健康》期刊上发表的这项研究，利用AI工具详细分析了超过30万名年龄在30岁以上并在过去20年内在英国被诊断为心力衰竭的患者的匿名数据。通过多种机器学习方法，他们发现了五个子类型的心力衰竭：早发型、晚发型、与房颤相关型（房颤是一种导致心律不齐的病症）、代谢型（与肥胖有关但心血管疾病发病率低）、以及心脏代谢型（与肥胖和心血管疾病有关）。
研究者发现，在诊断后一年内，这五种子类型患者的全因死亡风险各不相同：早发型（20%）、晚发型（46%）、与房颤相关型（61%）、代谢型（11%）、心脏代谢型（37%）。此外，研究团队还开发了一款应用程序，医生可以使用它来确定心力衰竭患者的子类型，从而可能改善对未来风险的预测，并指导与患者的讨论。
研究团队运用四种独立的机器学习方法对心力衰竭病例进行分组，以避免因单一机器学习方法产生的偏差。他们将这些方法应用于两个大型的英国初级保健数据库，这些数据具有代表性，并与医院入院和死亡记录相联系。在选择出最稳健的子类型后，他们使用另一组数据对这些分组进行验证。这些子类型是基于87个（可能的635个）因素，包括年龄、症状、其他疾病的存在、患者正在服用的药物，以及检查（如血压）和评估（如肾功能）的结果等。
（心力衰竭亚型与11个相关性状的PRS之间的相关性）（图片源自论文）
3、研究意义
这项研究的意义在于，通过新的分类方式，我们对心力衰竭有了更深入的理解，可以更精准地预测疾病的发展趋势，并及时与患者进行沟通。这不仅可以提高风险预测的质量，也有助于临床医生为患者提供更有针对性的治疗。此外，该研究还设计了一款可供临床使用的应用程序，可以帮助医生确定患者的心力衰竭子类型，这对改善常规护理也具有重要价值。通过这种方式，我们可以以一种全新的视角思考可能的治疗方式，对提高心力衰竭患者的生存率和生活质量有着深远的影响。
内容来源：https://www.thelancet.com/journals/landig/article/PIIS2589-7500(23)00065-1/fulltext
