机器学习确定特征性生物标志物预测主动脉瓣置换术后不良心血管事件

作者：林锐; 王媛; 周宁; 严昱; 周翔天; 杜杰^*

来源：临床心血管病杂志, 2021, 37(03): 248-253.

DOI：10.13201/j.issn.1001-1439.2021.03.013

• 主动脉瓣置换术
• 机器学习
• 血清生物标志物
• 不良事件

目的:使用机器学习确定与主动脉瓣置换手术后不良心血管事件相关的特征性生物标志物,并验证其预测不良心血管事件发生的价值。方法:纳入2016-2019年在北京安贞医院住院行主动脉瓣置换手术的患者共1455例,收集其临床特征和实验室检查指标。对所有患者进行1年以上的术后随访,以全因死亡、心力衰竭或心肌梗死发作再入院作为不良心血管事件,使用机器学习筛选特征性生物标志物,进一步验证其预测预后的价值。结果:使用多种机器学习构建模型确定特征性生物标志物为术前B型钠尿肽和术后24 h的超敏肌钙蛋白I。COX比例风险模型结果显示,术前B型钠尿肽[HR(95%CI):1.758(1.191,2.595),P<0.01]与术后超敏肌钙蛋白I[HR(95%CI):1.830(1.137,2.945),P=0.013]是主动脉瓣置换术后不良事件发生的独立危险因素。当术前B型钠尿肽和术后24 h的超敏肌钙蛋白I共同升高时,能在一定程度上预测主动脉瓣置换患者不良事件发生[HR(95%CI):1.937(1.072,3.500),P=0.028)]。结论:基于机器学习方法确定特征性生物标志物为术前B型钠尿肽和术后24 h的超敏肌钙蛋白I,二者联合可用于预测主动脉瓣置换术后的不良心血管事件。

• 单位
  温州医科大学; 首都医科大学附属北京安贞医院; 北京市心肺血管疾病研究所; 温州医科大学附属第二医院