SVN：复旦大学开发基于机器学习的心血管疾病 10 年风险预测模型——前瞻性队列研究
2024-02-08 MedSci原创 MedSci原创
基于 ML 的分类模型可以从潜在的心血管疾病高危人群中学习到有表现力的表征
心血管疾病（CVD）是导致全球死亡的主要原因，每年造成超过 1730 万人死亡，预计到 2030 年，发病率将增至 2360 万人。由于疾病诊断前的临床前阶段较长，因此迫切需要有效的方法来早期识别高危人群。以往的CVD预测算法主要基于临床经验知识，使用风险因素进行检索。本研究试图在一个全面的变量空间中识别预测因子，然后采用机器学习（ML）算法开发一种新型心血管疾病风险预测模型。
来自复旦大学的学者从英国生物库的纵向人群队列中选取了 473611 名无心血管疾病的参与者，他们的年龄在 37 岁至 73 岁之间。我们采用基于 ML 的数据驱动管道从 645 个候选变量中识别出预测因子，这些变量涵盖了一系列健康相关因素，并评估了多个 ML 分类器，从而建立了一个 10 年心血管疾病发病风险预测模型。该模型通过 "留一"-"去中心 "交叉验证进行了验证。
结果显示，在中位随访 12.2 年期间，31466 名参与者在基线访问后 10 年内患上心血管疾病。建立的英国生物库心血管疾病风险预测（UKCRP）模型由 10 个预测因子组成，包括年龄、性别、胆固醇和血压用药、胆固醇比率（总/高密度脂蛋白）、收缩压、既往心绞痛或心脏病、用药次数、胱抑素 C、胸痛和吸烟包年。本研究的模型获得了令人满意的判别性能，其接收器操作特征曲线下面积（AUC）为 0.762±0.010，优于现有的多个临床模型，并且校准良好，布赖尔得分（Brier Score）为 0.057±0.006。此外，UKCRP 在心肌梗死（AUC 0.774±0.011）和缺血性中风（AUC 0.730±0.020）方面的性能相当，但在出血性中风（AUC 0.644±0.026）方面的性能较差。
综上，基于 ML 的分类模型可以从潜在的心血管疾病高危人群中学习到有表现力的表征，这些人群可能会受益于更早的临床决策。
十年心血管风险模型：
糖尿病患者10年心血管风险预测评分（Score2-diabetes评分）
10年内发生动脉粥样硬化性心血管病（ASCVD）危险度评估(China-PAR)
参考文献：
You J, Guo Y, Kang J, et al. Development of machine learning-based models to predict 10-year risk of cardiovascular disease: a prospective cohort study. Stroke and Vascular Neurology 2023;8:doi: 10.1136/svn-2023-002332
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#心血管疾病风险# #机器学习模型#
25