心臟病預警！最新AI模型可提前十年預知心血管危機！

心血管疾病（CVD）是全球死亡的主要原因，每年造成超過1730萬人死亡。預計到2030年，發病率將增至2360萬人。由于疾病診斷前的臨床前階段較長，因此迫切需要有效的方法來早期識別高危人群。

以往預測CVD的方法主要基于臨床經驗知識，使用風險因素進行檢索。然而，一項由復旦大學學者進行的研究發現，通過機器學習（ML）算法開發的新型心血管疾病風險預測模型可以更準確地識別高危人群。

該研究從英國生物庫的縱向人群隊列中選取了473611名無心血管疾病的參與者，他們的年齡在37歲至73歲之間。研究人員使用基于ML的數據驅動管道從645個候選變量中識別出預測因子，這些變量涵蓋了一系列健康相關因素。然后，他們評估了多個ML分類器，從而建立了一個10年心血管疾病發病風險預測模型。

結果顯示，在中位隨訪12.2年期間，31466名參與者在基線訪問后10年內患上心血管疾病。建立的英國生物庫心血管疾病風險預測（UKCRP）模型由10個預測因子組成，包括年齡、性別、膽固醇和血壓用藥、膽固醇比率（總/高密度脂蛋白）、收縮壓、既往心絞痛或心臟病、用藥次數、胱抑素C、胸痛和吸煙包年。該模型獲得了令人滿意的判別性能，其接收器操作特征曲線下面積（AUC）為0.762±0.010，優于現有的多個臨床模型，并且校準良好，布賴爾得分（Brier Score）為0.057±0.006。此外，UKCRP在心肌梗死（AUC 0.774±0.011）和缺血性中風（AUC 0.730±0.020）方面的性能相當，但在出血性中風（AUC 0.644±0.026）方面的性能較差。

總之，基于ML的分類模型可以從潛在的心血管疾病高危人群中學習到有表現力的表征，這些人群可能會受益于更早的臨床決策。

綜上，基于 ML 的分類模型可以從潛在的心血管疾病高危人群中學習到有表現力的表征，這些人群可能會受益于更早的臨床決策。

十年心血管風險模型：

10年心血管病風險（PROCAM評分）

10年心血管風險預測評分（HAPIEE SCORE評分）

10年心血管風險預測模型（QRISK3-2018）

10年心血管風險預測評分（Score2評分）

中國人缺血性心血管疾病10年發病危險度評估

10年心血管風險預測評分（SCORE升級版）

糖尿病患者10年心血管風險預測評分（Score2-diabetes評分）

10年內發生動脈粥樣硬化性心血管病（ASCVD）危險度評估(China-PAR)

參考文獻：

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