个性化治疗方案：机器学习可预测高血压患者治疗结果！

近日，来自UT Southwestern Medical Center的研究人员开发出了一种机器学习算法，利用患者年龄、尿蛋白/肌酐比值（UACR）及心血管疾病病史等信息，来预测哪种类型的高血压患者接受强化治疗的效果最优。这项研究发表在了《American Journal of Cardiology》上，展示了生物信息学是如何改变患者治疗方式的。

▲高血压是一种对人类健康威胁很大的疾病（图片来源：123RF）

研究人员使用了两项来自美国国立卫生研究院（NIH）的随机对照试验患者数据。这两项试验分别为收缩期血压干预试验（SPRINT）以及控制糖尿病患者心血管疾病风险性行动试验（ACCORD），来测试强化和标准两种降压治疗方案的效果，并进行对比。其中SPRINT试验包括了9361名未患有糖尿病的高血压成人患者，而ACCORD试验则招募了10251名2型糖尿病患者参与。

通过使用机器学习算法，研究人员确定了三项标准，用来监测那些具有不良心血管事件（如死亡、心脏病发作或中风等）高风险的高血压成年患者，以及其接受强化降压治疗的效果。这些标准包括：年龄在74岁及以上，UACR值大于等于34，有临床心血管疾病病史，如心脏病、中风或心力衰竭等。研究结果显示，符合三项标准中一项或多项的患者，在强化降压治疗中表现出的效果较好。相比之下研究人员发现，那些不符合这三项标准中任何一项的患者，在接受强度较低的降压治疗时，也能表现出同样的治疗效果。

▲该研究的负责人之一、UT Southwestern Medical Center生物信息学和临床医学副教授Yang Xie博士（左二）（图片来源：UT Southwestern）

“目前存在的高血压患者大型随机试验并不能提供关于强化降压治疗益处的一致结果，而据我们所知，这是第一个能够确定哪些患者能够从强化降压治疗中获益更多的亚组研究，”该论文的通讯作者、UT Southwestern Medical Center生物信息学和临床医学副教授Yang Xie博士表示：“我们认为，此次发现具有重大的临床意义。除了进行预测之外，我们开发出的这个机器学习模型在临床实践中也非常易于应用，无需使用额外的实验室测试或计算工具。”

研究人员表示，希望临床医生有朝一日可以使用这种算法，来确定哪些患者应该接受标准治疗或强化治疗。同时，研究人员还希望能够设计一个前瞻性临床试验，从而对这种算法进行进一步验证。

参考资料：Algorithm identifies hypertensive patients who will benefit from intensive treatment