《基于转换器的生存模型预测心力衰竭患者全因死亡率》2025年3月23日心力衰竭是一种复杂的临床综合征，预后差异较大。准确预测心力衰竭患者的临床结果对于患者管理和服务审计至关重要。这篇题为《基于转换器的生存模型预测心力衰竭患者全因死亡率》的文章介绍了一种名为“T-风险”的新型人工智能模型，用于预测心力衰竭患者36个月内的全因死亡率。该模型利用英国和美国的常规电子病历数据进行训练和验证，并与经调整后的“麦基克-电子病历”模型进行比较。研究人员使用来自1418个英国全科诊所的403,534名40至90岁心衰患者的电子病历数据，开发并验证了“T-风险”模型。该模型通过分析患者的病程，包括诊断、药物和手术等信息，来预测死亡风险。研究采用了一种创新的方法，将患者的医疗记录作为时间序列数据输入到模型中，从而捕捉到患者病程的动态变化。这与传统的风险评分模型不同，后者通常依赖于专门的检查结果（如射血分数），这些结果获取成本高且可能无法反映患者复杂且不断变化的风险状况。研究结果显示，在英国队列中，“T-风险”模型的C指数为0.845（95%置信区间：0.841-0.849），显著优于“麦基克-电子病历”模型的0.728（95%置信区间：0.723-0.733） 这表明“T-风险”模型在预测心力衰竭患者36个月内的全因死亡率方面具有更高的准确性和区分度。更重要的是，与“麦基克-电子病历”模型相比，“T-风险”模型在不同性别、年龄和基线特征的亚组分析中表现出更小的预测性能差异，表明该模型具有更低的偏差。为了进一步验证模型的泛化能力，研究人员利用美国医院入院数据的21,767名HF患者进行了“T-风险”模型的迁移学习验证。结果表明，经过迁移学习后，“T-风险”模型在美国队列中的C指数为0.802（95%置信区间：0.789-0.816），仍然保持了良好的预测性能。这突显了“T-风险”模型在不同医疗环境中的适用性。本文还进行了可解释性分析，以了解“T-风险”模型的决策过程。结果表明，“T-风险”模型不仅能够识别已知的风险因素，例如年龄、性别、既往病史等，还能识别一些之前未被充分重视的风险因素，例如癌症和肝衰竭。这些因素在英国和美国队列中都表现出显著的预测价值。此外，时间分析还表明，即使癌症诊断发生在基线前十年，其预测效用仍然很强，而其他一些因素的预测效用则随着时间的推移而减弱。这项研究的优势在于其使用了大规模的常规电子病历数据，这使得模型能够捕捉到患者病程的复杂性和动态性。与传统的风险评分模型相比，“T-风险”模型无需额外的专门检查，即可提供更准确和全面的风险评估。这对于提高心力衰竭患者的管理效率和质量具有重要意义。然而，该研究也存在一些局限性。例如，“麦基克-电子病历”模型并非专门为常规电子病历数据设计的，因此在比较时存在一定的局限性。此外，虽然研究使用了两个不同国家的队列数据，但样本的地域代表性仍需进一步考量。未来的研究可以进一步扩大样本量，并纳入更多类型的医疗数据，以提高模型的准确性和泛化能力。此外，还需要进一步研究“T-风险”模型识别出的新型风险因素与心力衰竭患者死亡率之间的具体机制。总而言之，这项研究表明，基于变换器的生存模型“T-风险”在预测心力衰竭患者全因死亡率方面具有显著的优势，其能够利用常规电子病历数据，准确地捕捉患者病程的复杂性和动态性，并识别一些之前未被充分重视的风险因素。该模型的开发和验证为心力衰竭患者的风险评估和管理提供了新的工具，并为人工智能在医疗领域的应用提供了有益的经验。“T-风险”模型的成功应用，有望在不增加临床工作量的前提下，提高心力衰竭患者的管理效率和预后，并改善医疗服务的质量。未来研究应该关注模型的进一步优化、临床应用和伦理考量。如需要《基于转换器的生存模型预测心力衰竭患者全因死亡率》（英文，共60页），请在本微信公众号中赞赏（点喜欢或稀罕作者后按本公众号设定打赏）后，发来email地址索取。★ 每日鲜鸡汤 ★The most important thing in communication is hearing what isn't said. 沟通中最重要之事，乃是听出那未言之语。早上好！
