科学家利用人工智能方法区分心衰患者预后反应

      尽管治疗方法有所进步，但心力衰竭和低左室射血分数（LVEF）患者的死亡率仍然很高。近日，英国研究团队提出一种新的人工智能方法，可以更好地评估多重和更高维度的共病相互作用，并重新定义了心房颤动所致心衰患者β-受体阻滞剂疗效不同亚组，该研究发表在《Lancet》上，题为：Redefining β-blocker response in heart failure patients with sinus rhythm and atrial fibrillation: a machine learning cluster analysis。

　　研究团队利用基于神经网络的变分自动编码器和分层聚类汇总了9项β受体阻滞剂的双盲、随机、安慰剂对照试验的个体患者数据，共计纳入15659例心力衰竭和左室射血分数低于50%的患者，并分为窦性心律心衰组/心房颤动心衰组。在窦性心律心衰患者中，β受体阻滞剂带来的死亡率获益在大多数亚组患者中是相似的（优势比[OR]在0.54到0.74之间)，但在老年且症状较轻的窦性心律心衰患者中的一个亚组中，β受体阻滞剂无显著疗效（OR为0.86，95%可信区间为0.67至1.10；p=0.22）。β受体阻滞剂的总体中性效应在心房颤动心衰患者五个亚组中的四组是相似的（OR为0.92, 95%可信区间为0.77至1.10，p=0.37）。在死亡率较低但LVEF与平均值相似的年轻心房颤动心衰患者中，使用β受体阻滞剂后死亡率显著降低（OR为0.57,95%可信区间为0.35至0.93，p=0.023）。

　　研究认为，基于人工智能的聚类方法能够区分心力衰竭和低LVEF患者的预后反应和β受体阻滞剂效果。