Khoa học kỹ thuật và công nghệ

Năm loại suy tim được xác định bằng các công cụ AI (06/06/2023)

Kết quả nghiên cứu được công bố trên The Lancet Digital Health, các nhà khoa học đã xem xét dữ liệu bệnh nhân ẩn danh chi tiết từ hơn 300.000 người từ 30 tuổi trở lên được chẩn đoán mắc bệnh suy tim ở Anh trong khoảng thời gian 20 năm.

Sử dụng một số phương pháp máy học, họ đã xác định được 5 loại phụ: khởi phát sớm, khởi phát muộn, liên quan đến rung tâm nhĩ (rung tâm nhĩ là tình trạng gây ra nhịp tim không đều), chuyển hóa (liên quan đến béo phì nhưng tỷ lệ mắc bệnh tim mạch thấp) và chuyển hóa tim (liên quan đến béo phì và bệnh tim mạch). Các nhà nghiên cứu đã tìm thấy sự khác biệt giữa những phân nhóm trong nguy cơ tử vong của bệnh nhân trong năm sau khi chẩn đoán. Nguy cơ tử vong do mọi nguyên nhân trong một năm là: khởi phát sớm (20%), khởi phát muộn (46%), liên quan đến rung nhĩ (61%), chuyển hóa (11%) và tim chuyển hóa (37%).

Sau đó họ phát triển một ứng dụng mà các bác sĩ lâm sàng có thể sử dụng để xác định loại phụ nào mà một người bị suy tim mắc phải, điều này có thể cải thiện dự đoán về rủi ro trong tương lai và thông báo cho bệnh nhân.

Tác giả nghiên cứu Giáo sư Amitava Banerjee (Viện Tin học Y tế UCL) cho biết: "Chúng tôi đã tìm cách cải thiện cách phân loại bệnh suy tim, với mục đích hiểu rõ hơn về diễn biến bệnh có thể xảy ra và truyền đạt điều này cho bệnh nhân. Hiện tại, quá trình tiến triển của bệnh rất khó khăn để dự đoán cho từng bệnh nhân. Một số người sẽ ổn định trong nhiều năm, trong khi những người khác trở nên tồi tệ nhanh chóng”. Sự phân biệt tốt hơn giữa các loại suy tim cũng có thể dẫn đến những phương pháp điều trị nhắm mục tiêu hơn và có thể giúp chúng ta suy nghĩ theo một cách khác về các liệu pháp tiềm năng.

Trong nghiên cứu mới này, chúng tôi đã xác định được năm kiểu phụ mạnh nhất bằng cách sử dụng nhiều phương pháp máy học và bộ dữ liệu. Bước tiếp theo là xem liệu cách phân loại suy tim này có thể tạo ra sự khác biệt thực tế cho bệnh nhân hay không; liệu nó có cải thiện dự đoán rủi ro và chất lượng thông tin mà bác sĩ lâm sàng cung cấp hay không và liệu nó có thay đổi cách điều trị của bệnh nhân hay không. Và cũng cần biết liệu nó sẽ tiết kiệm chi phí. Ứng dụng đã thiết kế cần được đánh giá trong một thử nghiệm lâm sàng hoặc nghiên cứu sâu hơn, nhưng có thể giúp ích cho việc chăm sóc định kỳ.

Để tránh sai lệch từ một phương pháp máy học duy nhất, các nhà nghiên cứu đã sử dụng bốn phương pháp riêng biệt để nhóm các trường hợp suy tim. Họ đã áp dụng những phương pháp này cho dữ liệu từ hai bộ dữ liệu chăm sóc chính lớn của Vương quốc Anh, đại diện cho toàn bộ dân số Vương quốc Anh và cũng được liên kết với hồ sơ nhập viện và tử vong. (Các bộ dữ liệu là Liên kết dữ liệu nghiên cứu thực hành lâm sàng (CPRD) và Mạng cải thiện sức khỏe (THIN), bao gồm các năm 1998 đến 2018.) Sau đó họ đã đào tạo các công cụ máy học trên các phân đoạn dữ liệu và sau khi họ đã chọn một số kiểu phụ mạnh nhất, xác thực các nhóm này bằng cách sử dụng một tập dữ liệu riêng.

Các phân nhóm được thiết lập trên cơ sở 87 yếu tố (trong số 635 có thể) bao gồm tuổi tác, triệu chứng, sự hiện diện của các tình trạng khác, thuốc bệnh nhân đang dùng và kết quả xét nghiệm (ví dụ: huyết áp) và đánh giá (ví dụ: huyết áp) của chức năng thận.

Nhóm tác giả cũng đã xem xét dữ liệu di truyền của 9.573 cá nhân bị suy tim từ nghiên cứu Biobank của Vương quốc Anh. Họ đã tìm thấy mối liên hệ giữa các phân nhóm cụ thể của bệnh suy tim và điểm rủi ro đa gen cao hơn (điểm rủi ro tổng thể do gen nói chung) đối với các tình trạng như tăng huyết áp và rung tâm nhĩ.

Đ.T.V (NASATI), theo https://medicalxpress.com/news/2023-05-heart-failure-ai-tools.html, 27/5/2023

Ngày cập nhật: 05/6/2023

https://vista.gov.vn/news/khoa-hoc-y-duoc/nam-loai-suy-tim-duoc-xac-dinh-bang-cac-cong-cu-ai-6771.html