每日毅讯| Lancet：基于机器学习的冠心病预测模型的建立与应用

数字医疗中一个重要的方向就是基于大数据人群来建立模型从而进行疾病的早期预测，然而这绝非易事。其困难之处不是在于机器学习的算法或者人工智能的应用，而是在于高质量的labeled的标测数据库。近期，Lancet杂志发表了一篇基于BioMe Biobank和UK Biobank两大高质量数据库的冠心病疾病预测模型研究。

研究者使用了95,935份电子健康档案开发并验证了冠状动脉疾病的机器学习预测模型，计算和评估了冠状动脉疾病预测评分（ISCAD；范围从0[最低概率]到1[最高概率]）。在这两个前瞻性数据库的参与者中，研究者计算了参与者的ISCAD，并与其临床事件进行关联。临床事件包括：冠状动脉狭窄、阻塞性冠状动脉疾病、多支冠状动脉疾病、全因死亡和冠状动脉疾病的后遗症。

研究结果显示：在95,935名参与者中，35,749人来自BioMe Biobank（中位年龄61岁 [IQR 18]；14,599人 [41%] 为男性，5130人[14%]被诊断为冠状动脉疾病）和60,186人来自UK Biobank（中位年龄62[15]岁；25,031[42%]男性；8128[14%]被诊断为冠状动脉疾病）。该模型预测冠状动脉疾病的ROC曲线下面积在BioMe数据库的validation验证集和holdout验证集中分别为0.95（95% CI: 0.94-0.95；灵敏度为0.94 [0.94-0.95]；特异度为0.82 [0.81-0.83]）和0.93 （95% CI: 0.92-0.93；灵敏度为 0.90 [0.89-0.90]，特异性为0.88 [0.87-0 .88]）；而在UK Biobank数据库的外部测试集中的ROC曲线下面积为0.91（95%: 0.91-0.91；灵敏度为 0.84 [0.83-0.84]，特异性为 0.83 [0.82-0.83]) 。ISCAD是从已知的心血管风险因素、已知的队列预测方程和多基因风险评分中预测冠心病风险。冠状动脉狭窄程度随着ISCAD的四分位数的上升而定量增加（每个四分位数增加12个百分点），包括阻塞性冠状动脉疾病、多支冠状动脉疾病和主要冠状动脉狭窄程度。风险比和全因死亡率在ISCAD十分位数上逐步增加（十分位数1：HR 1.0 [95% CI 1.0-1.0]，0.2% 死亡率；十分位数6：HR 11 [3.9-31]，3.1% 死亡率；十分位数10：HR 56 [20-158]，11% 死亡率）。研究者观察到心肌梗死的复发率也有类似的趋势。此外，12名 (46%) 从未诊断过冠心病但ISCAD≥0·9的患者后来发现有冠状动脉疾病的确诊临床证据。

毅讯点评

本研究基于两个高质量的数据库进行了冠心病预测模型的建立于验证，预测模型在两个内部测试集的ROC均高达95%和93%，在外部测试集的ROC也是达到了91%。而且，该预测模型值ISCAD与冠脉狭窄程度、全因死亡率和心梗复发率都存在一定的线性关联。然而，我们从另一方面也要看出，在ISCAD最高>0.9却未被诊断冠心病的患者中仅有46%的人最后被确诊了冠心病。可见，预测模型的优势还是在于提醒和筛选高危患者，最终的诊断还是需要专门的有针对性的检查。

参考文献：

https://pubmed.ncbi.nlm.nih.gov/36563696/

作者简介

张毅，FACC，FESC，上海市第十人民医院泛血管中心主任；同济大学研究员、副教授、博导；CCI执行委员；中华医学会内科学分会青年副主委；上海医学会高血压学组副组长；上海市优秀技术带头人。