欧洲心脏超声大会（Euro Echo）上公布了一种新的人工智能评分，与世界各地的卫生专业人员使用的评分相比，能更准确地预测疑似或已知的冠状动脉疾病（CAD）患者在10年内死亡的可能性。与基于临床数据的传统方法不同，新的评分还包括心脏成像信息，使用应力心脏磁共振成像(CMR)。“应力”指的是在磁共振成像扫描仪中，给患者服用一种药物来模拟运动对心脏的影响。
编者按：欧洲心脏超声大会（Euro Echo）上公布了一种新的人工智能评分，与世界各地的卫生专业人员使用的评分相比，能更准确地预测疑似或已知的冠状动脉疾病（CAD）患者在10年内死亡的可能性。与基于临床数据的传统方法不同，新的评分还包括心脏成像信息，使用应力心脏磁共振成像(CMR)。“应力”指的是在磁共振成像扫描仪中，给患者服用一种药物来模拟运动对心脏的影响。
使用应力CMR的机器学习评分预测疑似或已知CAD患者的死亡
背景
对于疑似或已知CAD的患者，传统的预后风险评估是基于临床和影像学的有限选择。机器学习(Machine learning ，ML)可以考虑更多数量和更复杂的变量。
目的
研究ML使用应力CMR和临床数据预测疑似或已知CAD患者10年全因死亡率的可行性和准确性，并将其性能与现有的临床或CMR评分进行比较。
方法
在2008年至2018年期间，一项中位随访时间为6.0年的回顾性队列研究，包括所有连续转诊接受应力CMR的患者，共评估23个临床CMR参数和11个应力CMR参数。ML涉及通过随机生存森林进行自动特征选择、使用多元分数多项式算法构建模型以及5次重复的10倍分层交叉验证。主要终点是基于电子国家死亡登记处的全因死亡。
结果
该研究包括31752名由于胸痛、运动时呼吸急促、或心血管疾病高风险但无症状而转诊至巴黎的一家中心的患者，他们都接受了应力CMR。高风险被定义为至少有两个危险因素，如高血压、糖尿病、血脂异常、吸烟。平均年龄63.7±12.1岁，65.7%是男性，其中2679 (8.4%)名患者死亡，随访时间为 206 453 患者-年。与C-CMR-10评分、ESC评分、QRISK3评分、FRS和应力CMR数据相比，ML分数（0 到 10 分）表现出更高的曲线下面积，用于预测 10年全因死亡率（ML：0.76 vs. C-CMR-10评分：0.68，ESC评分：0.66，QRISK3-评分：0.64，FRS：0.63，诱导性缺血程度：0.66，LGE程度：0.65，所有p<0.001)。
结论
与所有传统临床或CMR评分相比，包括临床和应力CMR数据在内的ML评分在预测10年内死亡方面具有更高的预后价值。
用ML为最需要帮助的人提供指导
机器学习（ML）分两步进行。首先，它被用来选择哪些临床和CMR参数可以预测死亡，哪些不能；其次，ML基于第一步中确定的重要参数构建一个算法，为每个参数分配不同的比重，以实现最佳预测（图1）。然后给患者10年内死亡的可能性评分0分（低风险）到10分（高风险）(图2)。
图1
图2
风险分层通常用于心血管疾病患者或高风险患者，以针对性地进行管理，旨在预防心脏病发作、卒中和心源性猝死。传统的计算使用有限的临床信息，如年龄、性生活、吸烟状况、血压和胆固醇。这项研究使用了应力CMR和临床数据检验了ML的准确性，以预测疑似或已知的CAD患者10年全因死亡率，并与现有的评分进行比较。
ML能够预测哪些患者将存活或死亡，准确率为76 %（从统计学角度来看，曲线下面积为0.76）。该研究的作者、美国约翰霍普金斯医院的Theo Pez el博士说：“这意味着，在大约四分之三的患者中ML做出了正确的预测。”
“这是第一个研究表明，ML结合临床参数和应力CMR，可以非常准确地预测死亡风险。研究结果表明，有胸痛、呼吸困难或有心血管疾病危险因素的患者应接受应力CMR检测，并计算他们的得分。这将使我们能够为那些最需要帮助的人，提供更进一步的随访，以及有关运动锻炼、饮食方面的建议。”
“对于临床医生来说，我们从患者那里收集的一些信息可能与风险分层无关。但ML可以同时分析大量变量，可能会发现一些我们不知道的关联，从而改进风险预测。”
“应力CMR是一种无辐射的安全技术。我们的研究结果表明，将这些影像学信息与人工智能生成的算法中的临床数据相结合，可能是一种有用的工具，有助于预防有心血管症状或危险因素的患者的心血管疾病和心源性猝死。”
参考文献：
The abstract ‘Machine-learning score using stress CMR for death prediction in patients with suspected or known CAD’ will be presented during the session ‘Young Investigator Award - Clinical Science’ .Euro Echo 2021
京公网安备 11010502033353号