医学网
www.yixuew.cn

CNIC设计用于健康人的个性化心血管风险评估的算法

国家心血管研究中心(CNIC)的科学家设计了一种算法,该算法可根据一系列变量(包括年龄,血压,饮食以及血液和尿液标记)对健康的中年个体的心血管风险进行个性化评估。EN-PESA算法是一种可负担得起的工具,用于评估亚临床动脉粥样硬化的严重程度-其特征是动脉壁中脂肪物质的沉积-特别是在高危人群中。研究人员得出结论,EN-PESA将“有助于个性化评估心血管风险,从而制定出个性化的治疗方法和后续计划”。

这项研究今天发表在《美国心脏病学会杂志》(JACC)上,是由ValentínFuster博士领导的PESA-CNIC-SANTANDER合作项目的一部分。PESA研究于2010年启动,最近又延长至2030年,是世界上最重要的心血管预防研究之一。

Enrique表示:“机器学习算法将在未来几年内彻底改变临床实践,从诊断到预防和治疗都将受到影响。更准确的风险量化将基于每个人的可用信息总量,进行高度精确的个性化风险估计。”拉尼·佩兹(Lara Pezzi),当前研究的主要研究者,CNIC心脏病分子调节实验室的负责人。

机器学习算法的成功源自对大量个人收集的大量数据的分析和系统处理。据CNIC生物信息学部门负责人FátimaSánchezCabo博士说,“ PESA-CNIC-SANTANDER是一项开创性研究,从研究的所有参与者那里收集了大量详细的表型信息。”

当已经引起诸如心脏病发作或中风之类的临床事件时,通常在晚期就检测出动脉粥样硬化。在显示症状后,现阶段对动脉粥样硬化的治疗效果有限。幸存的病人中有很大一部分生活质量下降,病人健康状况的下降导致医疗系统成本的增加。这就是为什么在早期发现疾病如此重要的原因。

自2010年启动以来,PESA-CNIC-SANTANDER研究已经表征了4000多个与动脉粥样硬化相关的参数。该研究的主要特征是其使用先进的成像技术,并且PESA-CNIC-SANTANDER还收集了有关生活方式参数,生化和分子标记物以及自愿参加桑坦德银行的4000多名员工的医疗健康数据。研究。

通过筛查大量信息,CNIC算法识别出一小组变量,这些变量在基层医疗中心很容易测量。位于马洛卡的Son Espaces大学医院的CNIC研究人员和心脏病学家XavierRosselló博士解释说,这些变量“为根据以下风险被分类为中低风险的中年个体的亚临床动脉粥样硬化程度和疾病进展提供了准确的预测确定的心血管风险量表。”

这些参数包括年龄,血压,常规血液和尿液分析中收集的数据以及饮食问卷的答案。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。