盡管治療方法有所進步，但心力衰竭和低左室射血分數（LVEF）患者的死亡率仍然很高。近日，英國研究團隊提出一種新的人工智能方法，可以更好地評估多重和更高維度的共病相互作用，并重新定義了心房顫動所致心衰患者β-受體阻滯劑療效不同亞組，該研究發表在《Lancet》上，題為：Redefining β-blocker response in heart failure patients with sinus rhythm and atrial fibrillation: a machine learning cluster analysis。

    研究團隊利用基于神經網絡的變分自動編碼器和分層聚類匯總了9項β受體阻滯劑的雙盲、隨機、安慰劑對照試驗的個體患者數據，共計納入15659例心力衰竭和左室射血分數低于50%的患者，并分為竇性心律心衰組/心房顫動心衰組。在竇性心律心衰患者中，β受體阻滯劑帶來的死亡率獲益在大多數亞組患者中是相似的（優勢比[OR]在0.54到0.74之間)，但在老年且癥狀較輕的竇性心律心衰患者中的一個亞組中，β受體阻滯劑無顯著療效（OR為0.86，95%可信區間為0.67至1.10；p=0.22）。β受體阻滯劑的總體中性效應在心房顫動心衰患者五個亞組中的四組是相似的（OR為0.92, 95%可信區間為0.77至1.10，p=0.37）。在死亡率較低但LVEF與平均值相似的年輕心房顫動心衰患者中，使用β受體阻滯劑后死亡率顯著降低（OR為0.57,95%可信區間為0.35至0.93，p=0.023）。

    研究認為，基于人工智能的聚類方法能夠區分心力衰竭和低LVEF患者的預后反應和β受體阻滯劑效果。

注：此研究成果摘自《Lancet》期刊，文章內容不代表本網站觀點和立場，僅供參考。
論文鏈接：
https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(21)01638-X/fulltext#%20