この記事は Science X に従ってレビューされています。 編集プロセス
そして ポリシー。
編集者 は、コンテンツの信頼性を確保しながら、次の属性を強調しました。
わかりました！
Keri Sprung 著、テキサス心臓研究所
クレジット: JACC: 心不全 (2023)。 DOI: 10.1016/j.jchf.2023.09.029
×閉じる
クレジット: JACC: 心不全 (2023)。 DOI: 10.1016/j.jchf.2023.09.029
テキサス心臓研究所の心血管疾患研究員3年目のマシュー・シーガー博士が共著し、研究および研修の指導者であるテキサス大学サウスウェスタン医療センターのアンバリッシュ・パンディー博士が主導した最近の研究では、機械学習ベースの急性非代償性心不全（ADHF）患者の利尿反応性を特定、理解、予測するためのアプローチ。
研究「急性非代償性心不全における利尿効率の低下を特定するフェノマッピングツールと臨床スコア」 出版された JACC: 心不全では、数十年にわたる臨床データセットと登録データセットを活用しています。
研究者らは、機械学習ベースのアプローチを活用して、BAN-ADHF スコアと呼ばれる予測ツールを開発しました。このツールは、利尿反応を正確に予測する上で有望な結果を示しました。 他の臨床集団での検証後、このツールを導入すると、ADHF で入院している患者の混雑を効果的に管理するための個別化された戦略につながる可能性があります。
血行動態が安定しており体液量が過剰な心不全患者の利尿抵抗性に対処する最も効果的なアプローチについては、専門家の間で依然として合意が得られていない。 一般に、併用療法を検討する前にループ利尿薬の投与量を最適化することが推奨されます。 しかし、別の利尿薬を導入する前に、用量をどれくらい増量すべきかについては統一見解がありません。
「入院患者の利尿作用が非効率的であると、治療の進歩が妨げられ、退院後の再入院や死亡のリスクが高まる可能性があります。うっ血除去戦略を調整し、臨床転帰を改善するには、利尿作用の低い患者を早期に特定することが重要です」とシーガー博士は述べています。
ADHF は公衆衛生上の問題であり、ますます懸念が高まっています。 この病気により、救急外来の受診、入院が発生し、それに伴う高額な医療費が発生します。 ADHF は体内の体液が多すぎるという特徴があり、多くの場合、入院や患者の現在の治療計画の変更が必要になります。
「今日、ADHF 治療の主な目標は、ループ利尿薬を使用してうっ血を軽減することです。しかし、これらの薬剤の最適な投与量については依然として不確実性があります。さらに、ADHF 患者には不均一性があるため、予測するためのより個別化されたアプローチが必要です。最適な投与戦略が必要です」とテキサス心臓研究所の社長兼最高経営責任者（CEO）ジョセフ・G・ロジャース博士は述べた。
この研究では、全米の研究機関の研究者が機械学習 (ML) アルゴリズムを利用して、利尿薬治療に対する反応性に基づいて急性心不全患者のサブグループを特定しました。 具体的には、研究者らは、いくつかの公的に入手可能な匿名化されたデータを使用して、ADHF患者のための利尿効率フェノマッピングアプローチを開発しました。 臨床試験 レジストリには、DOSE、ROSE-AHF、CARRESS-HF、ATHENA-HF、ESCAPE、および米国心臓協会精密医療プラットフォームを含む、ガイドライン-HF (GWTG-HF) レジストリが含まれます。
この参加者レベルでプールされたデータにより、研究者はフェノマッピング アプローチと利尿効率スコアを開発することができました。 各サブグループ内の患者は同様の特徴を共有していましたが、特に利尿薬治療に対する反応において、他のサブグループとは臨床的に異なっていました。
利尿反応の違いに加えて、患者のサブグループは臨床転帰も有意に異なっており、表現型分類アプローチの予後の有用性が強調されています。 研究者らはその後、利尿反応が最も少ない表現グループに属する確率を予測するために、BAN-ADHF スコアを開発および検証しました。
「BAN-ADHF スコアが ADHF 患者の利尿抵抗性を数学的に正確に特定、特徴づけ、予測できることはわかっています。今度はこの医学的知識を活用し、臨床研究を実施して、治療プロトコルに BAN-ADHF スコアを導入することで改善が見られるかどうかを評価する必要があります。」入院した患者の転帰 急性非代償性心不全」とシーガー博士は言いました。
詳しくは：
Matthew W. Segar et al、急性非代償性心不全における低利尿効率を特定するための現象マッピングツールと臨床スコア、JACC: 心不全 (2023)。 DOI: 10.1016/j.jchf.2023.09.029
テキサス心臓研究所提供
1706653301
#機械学習により急性非代償性心不全の治療をガイドする新しいツールが提供される
2024-01-30 22:05:04