“심부전” 장기가 예상대로 작동하지 않는 상태를 설명하는 데 사용되는 포괄적인 용어입니다. 그러나 질병에 대한 한 사람의 경험은 다른 사람의 경험과 매우 다를 수 있습니다.
UCL(University College London)의 연구원들은 최근 기계 학습을 사용했습니다. 인공 지능 — 서로 다른 종류의 예후를 예측하기 위해 5가지 유형의 심부전을 정확히 찾아냅니다.
UCL의 주저자인 Amitava Banerjee 교수는 이번 연구를 발표한 보도 자료에서 “우리는 질병의 진행 과정을 더 잘 이해하고 이를 환자에게 전달하기 위해 심부전을 분류하는 방법을 개선하고자 했습니다.”라고 말했습니다.
심장병, 침묵의 살인자: 연구에 따르면 증상 없이 발병할 수 있음
그는 “현재 질병이 어떻게 진행되는지 개별 환자들에게 예측하기 어렵다”고 말했다. “어떤 사람들은 수년 동안 안정적일 것이고 다른 사람들은 빨리 악화될 것입니다.”
확인된 심부전의 5가지 유형은 조기 발병, 후기 발병, 심방세동(불규칙한 심장 박동을 유발함), 대사성(비만과 관련 그러나 UCL 웹사이트의 보도 자료에 따르면 심혈관 질환 발생률이 낮음) 및 심혈관 대사(비만 및 심혈관 질환과 관련됨).
각 유형의 심부전에 대해 연구자들은 진단 후 1년 이내에 사망할 가능성을 결정했습니다. 다섯 가지 하위 유형에 따라 예후가 매우 다양하다는 것을 발견했습니다. (iStock)
“심부전의 5가지 유형은 심부전 발병 연령, 심장 질환 병력, 심장 위험 요인 병력과 같은 일반적인 위험 요인을 기반으로 했습니다. 당뇨병과 같은 비만 또는 심방 세동(가장 흔한 심장 박동 문제)”라고 Banerjee는 Fox News Digital에 대한 성명에서 설명했습니다.
Lancet Digital Health 저널에 발표된 이 연구를 위해 연구원들은 20년 동안 심부전을 경험한 30세 이상의 영국 성인 300,000명 이상의 데이터를 분석했습니다.
심장병 위험은 한 가지 놀라운 요인에 의해 영향을 받을 수 있다는 새로운 연구 결과가 나왔습니다.
Banerjee는 “기계 학습의 네 가지 방법을 사용하여 기본 특성별로 전자 건강 데이터에서 심부전이 있는 개인을 분류했습니다.”라고 말했습니다. “데이터에 가장 잘 맞는’ 방법과 클러스터 수가 선택되었습니다.”
각 유형의 심부전에 대해 연구자들은 진단 후 1년 이내에 사망할 가능성을 결정했습니다. 다섯 가지 하위 유형에 따라 예후가 매우 다양하다는 것을 발견했습니다.
보도 자료에 따르면 5년 사망률 위험은 조기 발병의 경우 20%, 후기 발병의 경우 46%, 심방세동 관련의 경우 61%, 대사성 관련의 경우 11%, 심장대사의 경우 37%였습니다.
UCL의 새로운 연구의 주요 한계는 연구자들이 심부전의 위험을 진단하고 예측하는 데 가장 일반적으로 사용되는 영상 데이터에 접근할 수 없다는 점이었습니다. (iStock)
을 위한 건강 전문가Banerjee는 심부전 환자에게 그들이 가지고 있는 하위 유형을 이해하는 데 도움이 되는 일반적인 위험 요인에 대해 물어볼 것을 권장합니다.
“연구원들은 또한 우리 연구에서 정의된 이러한 하위 유형이 임상 실습에서 얼마나 유용하고 일반화 가능하며 수용 가능한지 테스트해야 합니다.”라고 그는 덧붙였습니다.
“그들은 또한 우리와 같은 연구가 AI를 사용하는질병 과정 및 약물 발견에 대한 더 나은 이해를 알리는 데 도움이 될 수 있습니다.”
연구팀은 또한 위험을 더 잘 예측하고 환자에게 정보를 제공하는 것을 목표로 의사가 환자의 심부전 유형을 결정할 수 있는 의사용 앱을 개발했습니다.
AI와 심장 건강: 기계는 소노그래퍼보다 초음파를 더 잘 읽습니다.
Dr. Ernst von Schwarz, 트리플 보드 인증 임상 및 학술 심장 전문의 캘리포니아 UCLA에서, UCL의 연구 결과를 검토했습니다.
그는 Fox News Digital과의 인터뷰에서 “임상의에게는 예후에 따라 심부전을 구별하는 것이 흥미롭습니다. 이는 일반적으로 임상 환경에서 수행되지 않습니다.”라고 말했습니다. “심부전은 일반적으로 장기적인 결과가 좋지 않은 불치의 만성 진행성 질환으로 간주됩니다.”
“심부전은 일반적으로 장기적인 결과가 좋지 않은 불치의 만성 진행성 질환으로 간주됩니다.”
von Schwarz는 “이와 같은 연구는 임상의가 심부전의 병인에 따라 보다 적절한 위험 평가를 하는 데 도움이 될 수 있습니다.”라고 덧붙였습니다.
특히 심방 세동 유발 심부전의 매우 높은 사망률은 이 일반적인 부정맥을 적극적으로 관리하는 것이 중요하다는 점을 강조한다고 그는 말했습니다.
연구원들은 인공 지능의 일종인 기계 학습을 사용하여 5가지 유형의 심부전을 정확히 찾아냈습니다. (iStock)
5가지 하위 유형에 대한 사망률 예측은 “이 데이터에서 가장 흥미로운 부분”이라고 Matthew Goldstein 박사(의사)는 말합니다. 필라델피아의 심장 컨설턴트누가 또한 연구 결과를 검토했습니다.
그는 “이는 갑자기 사망할 위험이 있는 사람, 즉 제세동기로 보호가 필요한 사람과 필요하지 않은 사람을 안내하는 데 도움이 될 수 있다”고 덧붙였다.
AI는 가능성을 보여주지만 한계는 남아있다
Goldstein은 AI가 일반적으로 점점 보편화되고 있음을 인식하고 있지만, AI의 적용이 의학에 “다소 덜 성공적”인 것으로 나타났습니다.
그는 Fox News Digital에 “그러나 인간의 마음이 보기에는 너무 복잡한 패턴을 찾는 데 능숙하다”고 말했다.
AI 기술은 전신 MRI 스캐너인 EZRA로 증상이 나타나기 전에 암을 잡아냅니다.
“더 일반적인 활용 중 일부는 놓친 것이 없는지 확인하기 위한 방사선 연구의 자동 판독과 근본적인 병리를 제안하기 위한 EKG 해석의 새로운 사용입니다.”라고 그는 덧붙였습니다.
AI를 사용하여 심부전을 분류하는 측면에서 Goldstein은 이것이 후향적 연구일 뿐이며 진정으로 유용하기 위해서는 향후 사례에 대해 입증되어야 한다고 언급했습니다.
앞을 내다보며
새로운 연구의 주요 한계는 연구자들이 심부전의 위험을 진단하고 예측하는 데 가장 일반적으로 사용되는 영상 데이터에 접근할 수 없다는 점이었습니다.
“하지만, 이미징 마커 혼자서는 사망률과 다른 결과를 예측할 수 없습니다.”라고 Banerjee는 말했습니다.
“아형과 결과를 상대적으로 잘 예측하기 위해 이 이미징 데이터 없이 일상적으로 수집된 데이터를 사용할 수 있었다는 사실은 이미징 바이오마커만으로는 인구 규모에서 심부전을 특성화하고 연구하는 최선의 방법이 아닐 수 있음을 시사합니다.”
UCL의 Banerjee 교수는 이러한 발견을 기반으로 다음 단계는 이러한 심부전 분류가 환자에게 실제적인 차이를 만들 수 있는지 여부를 결정하는 것이라고 말했습니다. (iStock)
Banerjee는 다음 단계는 다양한 심부전을 분류하는 것이 환자에게 실질적인 차이를 가져올 수 있는지 여부를 결정하는 것이라고 말했습니다.
비용 효율성은 또 다른 고려 사항이라고 그는 덧붙였다.
UCL 연구팀은 이전에 유사한 방법을 사용하여 만성 질환의 하위 유형을 식별했습니다. 신장 질환.
앞으로 Banerjee는 기계 학습이 일상적으로 수집되는 다양한 유형의 의료 데이터를 분석하고 다양한 질병의 하위 유형을 식별하는 데 사용될 것으로 예상합니다.
