新的基于机器学习的工具可帮助医生确定最佳的胸痛测试方法

康涅狄格州纽黑文市-在出现胸痛的患者中，两种非侵入性诊断测试之间的选择是一个常见的难题。耶鲁大学的心脏病专家Rohan Khera，医学博士，医学博士和同事们开发了ASSIST©，这是一种新的数字决策辅助工具。

通过将机器学习技术应用于来自两项大型临床试验的数据，该新工具可以识别可能患有冠状动脉疾病或CAD(由动脉壁斑块形成引起的疾病)的患者进行哪种成像测试。

4月21日在《欧洲心脏杂志》上发表的一项研究中描述了这种新工具，该工具着重于给定患者的长期预后。

耶鲁医学院心脏病学助理教授Khera说：“每种诊断测试都有其优势和局限性。”患者的血管中可能含有钙，或者该疾病的晚期阶段比漏诊的阶段更为严重。“如果能够正确地建立诊断，您将更有可能寻求最佳的医学和程序治疗，这可能会影响患者的治疗效果。”

最近的临床试验试图确定一种测试是否最佳。PROMISE和SCOT-HEART临床试验表明，解剖成像与压力测试具有相似的结果，但可能会改善某些患者的长期结果。

“当患者出现胸痛时，您有两种主要的测试策略。进行大型临床试验时没有得出结论性的答案，因此我们想看看是否可以使用试验数据更好地了解给定的患者是否将从一种测试策略中受益或其他”，Khera说。这两种策略目前都在临床实践中使用。

为了创建ASSIST，Khera和他的团队从9572名患者中获得了数据，这些患者已通过国家心肺血液研究所参加了PROMISE试验，并创建了一种将局部数据实验嵌入到更大的临床试验中的新策略。

“我们方法的独特之处在于，我们利用临床试验的两个方面，克服了现实世界数据的局限性，在这种情况下，临床医生的决策可以将偏差引入算法中，” Khera说

在SCOT-HEART试验中，该工具还被证明对不同的患者群体有效。在进行了功能优先或解剖学优先测试的2135位患者中，当进行的测试与ASSIST建议的结果达成一致时，作者观察到不良心脏事件的风险降低了两倍。Khera说，他希望该工具将为临床医生在胸痛评估中的解剖学测试或功能测试之间做出选择时提供更多见识。

功能测试(通常称为压力测试)通过检测流向心脏的血流减少来检查患者的CAD。第二种选择是解剖学检查或冠状动脉计算机断层造影血管造影(CCTA)，以识别血管阻塞。使用机器学习算法，ASSIST为每个患者提供建议。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！