康涅狄格州紐黑文市-在出現(xiàn)胸痛的患者中，兩種非侵入性診斷測試之間的選擇是一個常見的難題。耶魯大學的心臟病專家Rohan Khera，醫(yī)學博士，醫(yī)學博士和同事們開發(fā)了ASSIST©，這是一種新的數字決策輔助工具。
通過將機器學習技術應用于來自兩項大型臨床試驗的數據，該新工具可以識別可能患有冠狀動脈疾病或CAD(由動脈壁斑塊形成引起的疾病)的患者進行哪種成像測試。
4月21日在《歐洲心臟雜志》上發(fā)表的一項研究中描述了這種新工具，該工具著重于給定患者的長期預后。
耶魯醫(yī)學院心臟病學助理教授Khera說：“每種診斷測試都有其優(yōu)勢和局限性。”患者的血管中可能含有鈣，或者該疾病的晚期階段比漏診的階段更為嚴重。“如果能夠正確地建立診斷，您將更有可能尋求最佳的醫(yī)學和程序治療，這可能會影響患者的治療效果。”
最近的臨床試驗試圖確定一種測試是否最佳。PROMISE和SCOT-HEART臨床試驗表明，解剖成像與壓力測試具有相似的結果，但可能會改善某些患者的長期結果。
“當患者出現(xiàn)胸痛時，您有兩種主要的測試策略。進行大型臨床試驗時沒有得出結論性的答案，因此我們想看看是否可以使用試驗數據更好地了解給定的患者是否將從一種測試策略中受益或其他”，Khera說。這兩種策略目前都在臨床實踐中使用。
為了創(chuàng)建ASSIST，Khera和他的團隊從9572名患者中獲得了數據，這些患者已通過國家心肺血液研究所參加了PROMISE試驗，并創(chuàng)建了一種將局部數據實驗嵌入到更大的臨床試驗中的新策略。
“我們方法的獨特之處在于，我們利用臨床試驗的兩個方面，克服了現(xiàn)實世界數據的局限性，在這種情況下，臨床醫(yī)生的決策可以將偏差引入算法中，” Khera說
在SCOT-HEART試驗中，該工具還被證明對不同的患者群體有效。在進行了功能優(yōu)先或解剖學優(yōu)先測試的2135位患者中，當進行的測試與ASSIST建議的結果達成一致時，作者觀察到不良心臟事件的風險降低了兩倍。Khera說，他希望該工具將為臨床醫(yī)生在胸痛評估中的解剖學測試或功能測試之間做出選擇時提供更多見識。
功能測試(通常稱為壓力測試)通過檢測流向心臟的血流減少來檢查患者的CAD。第二種選擇是解剖學檢查或冠狀動脈計算機斷層造影血管造影(CCTA)，以識別血管阻塞。使用機器學習算法，ASSIST為每個患者提供建議。
標簽： 胸痛
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！