纽约西奈山伊坎医学院的研究人员使用机器学习和来自电子健康记录的临床数据，构建了一个计算机模拟或计算机衍生的冠状动脉疾病 (CAD) 标记，以更好地衡量冠状动脉疾病的临床重要特征疾病。
该研究结果于 12 月 20 日在线发表在《柳叶刀》杂志上，可能会导致对 CAD 进行更有针对性的诊断和更好的疾病管理，CAD 是最常见的心脏病类型，也是全世界的主要死因。该研究是已知的第一个在光谱上绘制 CAD 特征的研究。以前的研究只关注患者是否患有 CAD。
CAD 和其他常见病症存在于一系列疾病中;每个人的风险因素和疾病过程的组合决定了他们在范围内的位置。然而，大多数此类研究将这种疾病谱划分为病例(患者患有疾病)或对照(患者未患病)的严格类别。研究人员说，这可能会导致漏诊、不适当的管理和较差的临床结果。
“从这种非侵入性疾病分期中获得的信息可以使临床医生更准确地评估患者状况，从而为制定更有针对性的治疗计划提供信息，”高级研究作者兼 Charles 研究员 Ron Do 博士说。西奈山伊坎医学院个性化医学 Bronfman 教授。
“我们的模型在疾病谱上描绘了冠状动脉疾病患者群体;这可以提供更多关于疾病进展以及受影响的人对治疗的反应的见解。例如，能够揭示疾病风险、动脉粥样硬化和生存的不同等级，否则传统的二进制框架可能会错过这一点，这一点至关重要。”
在回顾性研究中，研究人员训练了机器学习模型，命名为冠状动脉疾病计算机评分或 ISCAD，使用来自两个大型健康系统生物库 BioMe Biobank 的80,000 多份电子健康记录准确测量 CAD在西奈山卫生系统和英国生物银行。
该模型被研究人员称为“数字标记”，它结合了电子健康记录中的数百种不同临床特征，包括生命体征、实验室测试结果、药物治疗、症状和诊断，并将其与现有的临床评分进行比较CAD，它只使用少量的预定特征，以及 CAD 的遗传评分。
95,935 名参与者包括非洲、西班牙裔/拉丁美洲、亚洲和欧洲种族的参与者，以及很大一部分女性。大多数关于 CAD 的临床和机器学习研究都集中在欧洲白人身上
标签：
免责声明：本文由用户上传，如有侵权请联系删除！