管理糖尿病和心血管风险的机器学习方法

一个新颖的在线工具名为INSIGHT的研究提供了一种基于机器学习的方法，在处方钠-葡萄糖共转运蛋白-2 (SGLT2)抑制剂时，最大限度地提高2型糖尿病患者的获益。

这项研究由耶鲁大学的研究人员Rohan Khera医学博士和医学硕士领导，发表在2月4日的杂志上糖尿病护理．该研究的第一作者是耶鲁大学临床研究员Evangelos Oikonomou，医学博士，哲学博士，他与Khera一起在卡片实验室工作。

证据的帆布而且凭证试验表明，SGLT2抑制剂如canagliflozin可降低因糖尿病住院和死亡的风险动脉粥样硬化性心血管疾病(ASCVD)。然而，canagliflozin的处方价格昂贵，而且广泛未得到充分利用。

该研究描述了一种针对ASCVD风险管理的常见临床问题的个体化方法:2型糖尿病和高危患者心血管病谁最有可能从canagliflozin中获益?INSIGHT的算法使用不同的患者表型，如2型糖尿病的持续时间，升高血压或者高血压，吸烟习惯，还有胆固醇水平识别此类患者。

机器学习不依赖于观察或假设，它使研究人员能够分析大量的临床数据，并发现可能被忽视的模式或线索。在这种情况下，a机器学习该方法有助于分离出最能确定canagliflozin降低CV风险效果的特征。该研究指出，三分之一的患者将从这种疗法中获益最多，这可能有助于更有针对性的实施研究。

作者通过一个被称为耶鲁大学开放数据访问项目的开放科学项目收集了一万多名患者的数据。该研究结果首次在2021年西北心血管青年研究者论坛上发表，Oikonomou在会上因其报告“基于CANVAS试验的参与者水平分析的个性化Canagliflozin心血管益处的机器学习方法”而获奖。