Diabetes Care：一种基于机器学习的算法或能更好地管理糖尿病和心血管疾病风险

2022年2月13日 讯 /生物谷BIOON/ --目前有充足的研究证据表明，钠-葡萄糖协同转运蛋白2（SGLT2）抑制剂具有心脏保护效应，但其使用不足，部分原因或是因为其成本较高。近日，一篇发表在国际杂志Diabetes Care上题为“Phenomapping-Derived Tool to Individualize the Effect of Canagliflozin on Cardiovascular Risk in Type 2 Diabetes”的研究报告中，来自耶鲁大学等机构的科学家们通过研究开发了一种名为INSIGHT的新型在线工具，其或能为SGLT2抑制剂在开具处方时提供一种机器学习方法，从而让2型糖尿病患者获益最大。

图片来源：CC0 Public Domain

研究人员进行CANVAS和CREDENCE临床试验，结果表明，诸如卡格列净（canagliflozin）等SGLT2抑制剂或能降低2型糖尿病成年患者因动脉粥样硬化性心血管疾病（ASCVD， atherosclerotic cardiovascular disease）住院和死亡的风险，然而卡格列净药物的处方较为昂贵且普遍并没有得到充分利用。

本文研究中，研究人员描述了一种个性化的方法，其有望解决ASCVD风险管理上常见的临床问题，即哪些2型糖尿病患者以及心血管疾病风险患者能因药物卡格列净的治疗而最有可能获益，INSIGHT的算法能利用不同患者的表型来识别不同类别的患者，这些表型包括2型糖尿病的持续时间、血压的升高或高血压、吸烟习惯和胆固醇的水平等。

机器学习并不是依靠观察或假设，其能帮助研究人员分析大量的临床数据并发现可能会被忽略的模式或线索。在这个案例中，机器学习方法能帮助分离出最能确定卡格列净对降低心血管疾病风险效果的特征。研究者指出，有三分之一被确定的患者能从这种疗法中获益最多，这或许有望帮助进行更有针对性的实施研究。

图片来源：https://diabetesjournals.org/care/article-abstract/doi/10.2337/dc21-1765/144528/Phenomapping-Derived-Tool-to-Individualize-the?redirectedFrom=fulltext

文章中，研究人员利用一种称之为耶鲁大学开放数据访问项目的开放科学计划收集了超过1万名患者的数据，这些研究发现首次在2021年西北心血管青年研究者论坛上发表，而且研究者Oikonomou也因发表了“基于CANVAS试验参与者层面的分析，用机器学习方法将卡格列净的心血管效益个体化”而获得了相关的奖项。

综上，本文研究结果表明，研究人员提出了一种基于证据且以机器学习为指导的算法，其能针对2型糖尿病患者的SGLT2抑制剂开具个性化的厨房，从而获得最佳的ASCVD治疗效果。（生物谷Bioon.com）

原始出处：

Evangelos K. Oikonomou，Marc A. Suchard，Darren K. McGuire, et al. Phenomapping-Derived Tool to Individualize the Effect of Canagliflozin on Cardiovascular Risk in Type 2 Diabetes, Diabetes Care (2022). DOI:10.2337/dc21-1765