Araştırmacılar, kalp yetmezliğini farklı ölüm oranlarına sahip beş alt türe ayırmak için makine öğreniminden yararlandı ve böylece hastalık ilerleme tahminini iyileştirdi. Ekip ayrıca, bir hastanın kalp yetmezliği alt tipini tanımlayabilen ve tedavi stratejilerini ve hasta-klinisyen tartışmalarını iyileştirebilecek, potansiyel olarak yararlı bir uygulama geliştirdi.
UCL’deki (University College London) araştırmacılar tarafından yürütülen yeni bir araştırma, muhtemelen bireysel hastaların gelecekteki risk düzeylerini tahmin etmek için kullanılabilecek beş farklı kalp yetmezliği alt tipi belirledi.
Kalp yetmezliği, kalbin vücutta etkili bir şekilde kan dolaşımı sağlama konusundaki yetersizliğini ifade eden geniş bir terimdir. Bununla birlikte, mevcut sınıflandırma yöntemleri, hastalığın nasıl ilerleyeceğini doğru bir şekilde tahmin etmemektedir.
Lancet Digital Health’te kısa süre önce yayınlanan bir araştırma, Birleşik Krallık’ta 20 yıllık bir süre içinde kalp yetmezliği teşhisi konan 30 yaş ve üzeri 300.000’den fazla kişiden alınan ayrıntılı anonimleştirilmiş verileri analiz etti. Araştırmacılar, çeşitli makine öğrenimi tekniklerini kullanarak hastalığın beş farklı alt tipini tanımladılar: erken başlangıçlı, geç başlangıçlı, atriyal fibrilasyonla ilişkili (düzensiz kalp ritmine neden olan bir durum), metabolik (obeziteyle ilişkili ancak düşük kardiyovasküler hastalık insidansı sergileyen) ve kardiyometabolik (hem obezite hem de kardiyovasküler hastalıkla ilişkili).
Araştırmacılar, hastaların teşhisten sonraki yıl içinde ölme riskinde alt tipler arasında farklılıklar buldular. Bir yılda tüm nedenlere bağlı ölüm riskleri şunlardı: erken başlangıçlı (%20), geç başlangıçlı (%46), atriyal fibrilasyonla ilişkili (%61), metabolik (%11) ve kardiyometabolik (%37).
Araştırma ekibi ayrıca, klinisyenlerin kalp yetmezliği olan bir kişinin hangi alt tipine sahip olduğunu belirlemek için potansiyel olarak kullanabilecekleri bir uygulama geliştirdi; Sağlık Bilişimi Enstitüsü) şunları söyledi: “Hastalığın olası seyrini daha iyi anlamak ve bunu hastalara iletmek amacıyla kalp yetmezliğini sınıflandırma şeklimizi iyileştirmeye çalıştık. Şu anda, hastalığın nasıl ilerlediğini bireysel hastalar için tahmin etmek zordur. Bazı insanlar uzun yıllar stabil kalırken diğerleri hızla kötüleşir.
“Kalp yetmezliği türleri arasında daha iyi ayrım yapmak, aynı zamanda daha hedefe yönelik tedavilere yol açabilir ve potansiyel tedaviler hakkında farklı bir şekilde düşünmemize yardımcı olabilir.
“Bu yeni çalışmada, birden çok makine öğrenimi yöntemi ve birden çok veri kümesi kullanarak beş güçlü alt tip belirledik.
“Bir sonraki adım, kalp yetmezliğini bu şekilde sınıflandırmanın hastalar için pratik bir fark yaratıp yaratamayacağını görmek. klinisyenlerin sağladığı bilgiler ve hastaların tedavisini değiştirip değiştirmediği. Maliyet-etkin olup olmayacağını da bilmemiz gerekiyor. Tasarladığımız uygulamanın bir klinik deneyde veya daha ileri araştırmalarda değerlendirilmesi gerekiyor, ancak rutin bakımda yardımcı olabilir.”
Tek bir makine öğrenimi yönteminden kaynaklanan yanlılığı önlemek için araştırmacılar, kalp yetmezliği vakalarını gruplandırmak için dört ayrı yöntem kullandı. Bu yöntemleri, bir bütün olarak Birleşik Krallık nüfusunu temsil eden ve aynı zamanda hastane kabulleri ve ölüm kayıtlarıyla bağlantılı olan iki büyük Birleşik Krallık birinci basamak sağlık hizmeti veri setinden elde edilen verilere uyguladılar. (Veri kümeleri, 1998’den 2018’e kadar olan yılları kapsayan Clinical Practice Research Datalink (CPRD) ve The Health Improvement Network’tür (THIN).
Araştırma ekibi, makine öğrenimi araçlarını veri segmentleri üzerinde eğitti ve en sağlam alt türleri seçtikten sonra, bu gruplandırmaları ayrı bir veri kümesi kullanarak doğruladı.
Alt türler, yaş, semptomlar, hastalık belirtileri, hastalık belirtileri gibi 87 (olası 635 faktörden) temel alınarak oluşturuldu. diğer durumların varlığı, hastanın aldığı ilaçlar ve testlerin (ör. kan basıncı) ve değerlendirmelerin (ör. böbrek işlevi) sonuçları.
Ekip ayrıca Birleşik Krallık Biobank çalışmasında kalp yetmezliği olan 9.573 kişinin genetik verilerini de inceledi. Kalp yetmezliğinin belirli alt türleri ile hipertansiyon ve atriyal fibrilasyon gibi durumlar için daha yüksek poligenik risk puanları (bir bütün olarak genlere bağlı genel risk puanları) arasında bir bağlantı buldular.
Referans: “Makine öğrenimi ile üç elektronik sağlık kaydı kaynağından kalp yetmezliğinin alt türlerini belirleme: harici, prognostik ve genetik doğrulama çalışması”, Amitava Banerjee, Ashkan Dashtban, Suliang Chen, Laura Pasea, Johan H Thygesen , Ghazaleh Fatemifar, Benoit Tyl, Tomasz Dyszynski, Folkert W Asselbergs, Lars H Lund, Tom Lumbers, Spiros Denaxas ve Harry Hemingway, 24 Mayıs 2023, The Lancet Digital Health.
DOI: 10.1016/S2589-7500(23)00065-1
The çalışma, Avrupa Birliği Yenilikçi İlaçlar Girişimi-2’den BigData@Heart Konsorsiyumu tarafından desteklenmiştir.