AIは新しい研究でこれら5つのタイプの心不全を特定しました：「区別するのは興味深い」

クレイグ・バスマン博士が、新しい救命技術と、突然の心臓イベントを予測できる変数について説明します。

「心不全」は、臓器が正常に機能しない状態を指す包括的な用語です。しかし、ある人のこの病気の経験は他の人のそれとは大きく異なる場合があります。

ユニバーシティ・カレッジ・ロンドン (UCL) の研究者らは最近、人工知能の一種である機械学習を使用して、異なる種類の心不全の予後を予測することを目的として、5 つの異なる種類の心不全を正確に特定しました。

「私たちは、考えられる病気の経過をよりよく理解し、それを患者に伝えることを目的として、心不全の分類方法の改善を目指しました」と筆頭著者であるUCLのアミタバ・バナジー教授は、この研究を発表したプレスリリースで述べた。

心臓病、サイレントキラー：症状がなくても発症する可能性があることが研究で判明

「現時点では、個々の患者にとって病気がどのように進行するかを予測するのは難しい」とも述べた。 「何年も安定した状態が続く人もいますが、すぐに悪化する人もいます。」

特定された5つのタイプの心不全は、早期発症型、遅発型心不全、心房細動（不規則な心拍リズムを引き起こす）、代謝性（肥満と関連しているが、心血管疾患の発症率は低い）、および心代謝性（肥満と心血管疾患と関連している）です。 UCLのウェブサイト上のプレスリリースによると。

研究者らは、心不全の種類ごとに、診断から1年以内に死亡する可能性を判定した。 彼らは、5つのサブタイプの予後が大きく異なることを発見した。 (サンクトペテルブルク)

「5種類の心不全は、心不全発症時の年齢、心疾患の病歴、糖尿病や肥満などの心臓危険因子の病歴、または心房細動（最も一般的な心拍リズムの問​​題）などの一般的な危険因子に基づいていました。 ）」とバナジー氏はフォックスニュースデジタルへの声明で説明した。

ジャーナル「Lancet Digital Health」に掲載されたこの研究では、研究者らは20年間にわたって心不全を経験した30歳以上の英国成人30万人以上のデータを分析した。

心臓病のリスクは1つの驚くべき要因によって影響される可能性があることが新しい研究で判明

「4 つの機械学習方法を使用して、電子健康データ内の心不全患者をベースラインの特徴に基づいてクラスター化しました」と Banerjee 氏は述べています。 「データに最もよく「適合」する方法とクラスターの数が選択されました。」

研究者らは、心不全の種類ごとに、診断から1年以内に死亡する可能性を判定した。 彼らは、5つのサブタイプの予後が大きく異なることを発見した。

プレスリリースによると、5年死亡リスクは早期発症で20％、遅発性で46％、心房細動関連で61％、代謝性で11％、心代謝性で37％だった。

UCLの新しい研究の主な制限は、研究者らが心不全の診断とリスクの予測に最も一般的に使用される画像データにアクセスできなかったことだった。 (サンクトペテルブルク)

Banerjee 氏は、医療専門家に対し、心不全患者のサブタイプを理解するために、一般的な危険因子について質問することを推奨しています。

「研究者はまた、私たちの研究で定義されたこれらのサブタイプが臨床現場でどの程度使用可能で、一般化可能で、許容されるかをテストする必要もあります」と彼は付け加えた。

「彼らはまた、AIを使用した私たちのような研究が、病気のプロセスと創薬についてのより深い理解を助けることができるかどうかも検討する必要があります。」

研究チームはまた、リスクをより適切に予測し、患者に情報を提供し続けることを目的として、患者がどのサブタイプの心不全に陥っているかを判断できる医師向けのアプリも開発した。

AIと心臓の健康：超音波検査では超音波検査者よりも機械の方が優れていると研究が発表

カリフォルニアの UCLA の臨床および学術のトリプル認定心臓専門医である Ernst von Schwarz 博士は、UCL の研究結果をレビューしました。

「臨床医にとって、予後に従って心不全を区別することは興味深いことですが、通常、臨床現場では行われないことです」と同氏はフォックスニュースデジタルに語った。 「心不全は一般に、長期転帰が不良な不治の慢性進行性疾患とみなされています。」

「心不全は一般に、長期転帰が不良な不治の慢性進行性疾患とみなされています。」

「このような研究は、臨床医が心不全の病因に応じてより適切なリスク評価を行うのに役立つかもしれない」とフォン・シュワルツ氏は付け加えた。

特に、心房細動による心不全の死亡率は非常に高いため、この一般的な不整脈を積極的に管理することの重要性が強調されていると同氏は述べた。

研究者らは、人工知能の一種である機械学習を使用して、5 つの異なるタイプの心不全を正確に特定しました。 (サンクトペテルブルク)

同じく研究結果を検討したフィラデルフィアの心臓病コンサルタントの医師マシュー・ゴールドスタイン博士によると、5つのサブタイプの死亡率予測は「このデータの中で最も興味深い部分」だという。

「これは、誰が突然死の危険にさらされているか、したがって誰が除細動器による保護を必要としているのか、誰がそうではないのかを判断するのに役立つかもしれない」と同氏は付け加えた。

ゴールドスタイン氏は、一般的にAIがより一般的になりつつあることを認識しているが、その医学への応用は「やや成功率が低い」と考えている。

同氏はフォックスニュースデジタルに対し、「しかし、人間の頭では認識できないほど複雑なパターンを探すのには優れている」と語った。

全身 MRI スキャナー EZRA で AI テクノロジーががんを症状が出る前に発見

「より一般的な利用例としては、見落としがないことを確認するための放射線検査の自動読み取りや、根底にある病理を示唆するための心電図読影での新たな使用法などがあります」と同氏は付け加えた。

AI を使用した心不全の分類に関して、Goldstein 氏は、これは単なる遡及研究であり、本当に役立つためには将来の症例に対して証明される必要があると述べました。

新しい研究の主な制限は、心不全のリスクを診断し予測するために最も一般的に使用される画像データに研究者らがアクセスできなかったことだ。

「しかし、画像マーカーだけでは死亡率やその他の結果を予測することはできません」とバナジー氏は述べた。

「この画像データがなくても定期的に収集されたデータを使用してサブタイプと転帰を比較的適切に予測できたという事実は、画像バイオマーカーだけでは集団規模で心不全を特徴づけ、研究する最良の方法ではない可能性を示唆しています。」

これらの発見を基礎として、UCL のバナジー教授は、次のステップは、これらの心不全分類が患者に実際的な違いをもたらすことができるかどうかを判断することであると述べた。 (サンクトペテルブルク)

Banerjee氏によると、次のステップは、さまざまな心不全を分類することで患者にとって実質的な変化をもたらすことができるかどうか、つまり「リスクの予測や臨床医が提供する情報の質が向上するかどうか、そして患者の治療が変わるかどうか」を判断することだという。

ここをクリックして健康ニュースレターに登録してください

費用対効果も考慮すべき点だと同氏は付け加えた。

UCLの研究チームは以前、同様の方法を使用して慢性腎臓病のサブタイプを特定しました。

ここをクリックしてFOXニュースアプリを入手してください

Banerjee 氏は、将来を見据えて、機械学習が日常的に収集されるさまざまな種類の医療データを分析し、さまざまな病気のサブタイプを特定するために使用されることを期待しています。

Melissa Rudy は健康編集者であり、Fox News Digital のライフスタイル チームのメンバーです。

毎週の総括で健康とウェルネスの最大のニュースを常に最新の状態に保ってください。

購読しました

このニュースレターの購読が完了しました。