糖尿病心血管病动态风险智能预警新突破 | 北京大学人民医院纪立农教授团队、开滦总医院吴寿岭教授团队最新成果

B站影视 内地电影 2025-03-28 19:29 1

摘要:2型糖尿病患者的心血管疾病管理一直是临床上重要的挑战,而精准的心血管风险评估是有效管理的关键。既往指南推荐的心血管风险评估工具,往往在2型糖尿病患者中预测效果较差,一大原因是传统的风险评估工具往往只能基于患者的基线数据,难以捕捉到心血管风险随着病程变化的动态变

2型糖尿病患者的心血管疾病管理一直是临床上重要的挑战,而精准的心血管风险评估是有效管理的关键。既往指南推荐的心血管风险评估工具,往往在2型糖尿病患者中预测效果较差,一大原因是传统的风险评估工具往往只能基于患者的基线数据,难以捕捉到心血管风险随着病程变化的动态变化情况。

为解决这一问题,纪立农教授团队联合开滦总医院吴寿岭教授团队

,在中国开滦队列中展开研究,开发了一种新型的糖尿病心血管动态风险预测模型——

ML-CVD-C

Machine learning based cardiovascular disease prediction model in Chinese people

),旨在糖尿病中随病程变化绘制风险变化动态图谱。该研究于2025年2月发表于Cardiovascular Diabetology

PART.01

“动态危险因素”及机器学习提高模型准确度

这项研究纳入了来自开滦队列的16,378名2型糖尿病患者,采用患者基线以及四年内随访获得的临床信息。提取危险因素随时间的变化,即“动态危险因素”,并使用机器学习算法,开发了ML-CVD-C模型,使得该模型能够动态预测10年内的心血管心血管事件风险

相关模型首先在开滦队列测试集中进行区分度评估,与指南推荐的模型(China-PAR和PREVENT评分)和基于基线的模型进行对比。

结果显示,ML-CVD-C模型在风险预测的准确性上大幅优于传统模型:在测试集中,ML-CVD-C的C指数为0.80(95% CI:0.78-0.82),远超其他模型的0.62到0.65(图1),且在高风险群体中的表现预测效果更佳。

团队通过进一步使用净重分类改善指数(NRI)和综合辨别改善指数(IDI)对模型进行评估,ML-CVD-C模型相较于其他模型NRI指数增加44.1-57.7%,IDI指数增加7.9-10.1%,提示新模型在风险分类方面和事件识别上都显著优于其他传统模型。

图1 不同模型预测不同时间点心血管事件发生的AUCROC

研究进一步探索了那些因素更可能影响糖尿病心血管事件的预测效果。使用SHAP(SHapley Additive explanation)值评估变量在模型中的重要程度并进行排序发现,基线变量中年龄、性别对心血管预测有重要意义.而在动态危险因素中,谷丙转氨酶、空腹血糖和收缩压的动态变化是影响心血管结局最重要的因素(图2)。

图2 SHAP值分析模型中前10个重要特征

PART.02

动态风险预警协助糖尿病并发症监测

ML-CVD-C模型能够综合利用患者在病程中的临床信息,协助评估在病程中患者风险的动态变化。通过对患者在四年观察期内心血管风险分类的变化进行分析,研究发现许多患者在风险评估中会经历风险类别的转变。那些风险较高的患者通过有效的控制,可能会被重新分类为较低的风险组,而未能有效控制的患者则可能面临更高的心血管风险(图1)。

这一发现突显了定期评估和重新分类的重要性,尤其是对于那些处于高风险群体中的患者,定期的监测和风险调整有助于更好地管理心血管健康。

图3 基线及4年后患者经ML-CVD-C模型评估风险的动态演变

这项研究利用开滦队列长期随访数据,使用机器学习算法ML-CVD-C模型,为2型糖尿病患者提供了一种更精确、更个性化的心血管风险评估工具,推动了心血管疾病管理的精准化和动态化。

专家点评

纪立农 教授

北京大学人民医院内分泌科主任

2型糖尿病的疾病进展是一个高度异质且动态变化的过程,忽视糖尿病病程的演变,往往会导致对部分患者进展风险的错误评估。随着新型心血管获益降糖药物的研发,患者的心血管风险评估亟需更加细致和实时的监测。

本研究的“动态”有两层意义:一是危险因素的动态变化,二是心血管病风险的动态变化。本研究发现,在预测模型中引入随访过程中反复测量的数据,显著提高了对糖尿病患者心血管风险的预测准确性。此外,模型还能够反映随着病程发展而变化的风险,揭示疾病的进展趋势,为后续的临床管理提供了宝贵的指导意义。然而,模型的应用仍需依赖更多数据的验证,并应进一步在实际临床实践中应用,以评估药物治疗效果和调整治疗方案。

专家简介

黄齐 医生

北京大学人民医院医师

主要研究方向为糖尿病大数据分析,以第一/共一作者发表SCI论文8篇

专家简介

邹显彤 医生

北京大学,助理教授,副研究员,硕士生导师

北京大学人民医院内分泌科主治医师

北大医学部学学生生涯发展校友导师

获北京大学、英国爱丁堡大学M.D./Ph.D.学位

主持国家级课题2项、省部级课题2项

以第一作者/通讯作者在Lancet diabetes and endocrinology、Nature Metabolism, Diabetes Care, Hepatology、Diabetologia 等杂志发表文章18篇,总被引次数近600次

Frontiers in Endocrinology客座编辑The Lancet RH-WP、Metabolites、Cells、nature medicine等杂志审稿人

获得2019年北京市科技新星称号;获2022年北京市科技进步二等奖

专家简介

纪立农 教授

北京大学人民医院内分泌科主任

北京大学糖尿病中心主任,博士生导师

带领的团队作为“卫生部临床重点专科”和“北京市糖尿病领域临床研究中心”获多项国家自然科学基金支持,并担任国家重大科研项目包括863、重点研发项目及北京市科委重大课题的首席科学家

在国内外一流专业杂志(包括在New England Journal of Medicine、Lancet、British Medical Journal、Lancet Diabetes & Metabolism、Diabetes Care、Nat Rev Endocrinol、Genetic Medicine、Diabetes、Cardiovascular Diabetology等)上发表论文600余篇,2020~2024连续5年入选Elsevier高被引学者

入选2024年全球前2%顶尖科学家榜单

专家简介

吴寿岭 教授

医学博士,主任医师、教授,硕士研究生导师,享受国务院特殊津贴,开滦研究总负责人

现任《中华心血管病杂志》、《中国循环杂志》、《中华高血压杂志》编委,中国医师协会高血压分会委员,中国高血压联盟第五届理事会理事

自1999年开始从事高血压病和心血管疾病的基础与临床研究

近年来发表SCI论文250余篇,在《中华心血管病杂志》、《中华高血压杂志》等国家级核心期刊公开发表论文400余篇,论著20余部

参考文献

Huang Q, Zou X, Lian Z, et al. Predicting cardiovascular outcomes in Chinese patients with type 2 diabetes by combining risk factor trajectories and machine learning algorithm: a cohort study[J]. Cardiovascular Diabetology, 2025, 24: 61.

本视频/资讯/文章的内容不能以任何方式取代专业的医疗指导,也不应被视为诊疗建议。医脉通是专业的在线医生平台,“感知世界医学脉搏,助力中国临床决策”是平台的使命。医脉通旗下拥有「临床指南」「用药参考」「医学文献王」「医知源」「e研通」「e脉播」等系列产品,全面满足医学工作者临床决策、获取新知及提升科研效率等方面的需求。

来源:医脉通内分泌科

相关推荐