ESC 2022：新的人工智能算法可以帮助个性化预防心血管疾病（Causal AI研究）

“这项研究首次展示了如何将低密度脂蛋白胆固醇 (LDL-C) 和收缩压 (SBP) 的因果效应嵌入到 AI 算法中，”英国剑桥大学首席研究员 Brian Ference 教授说。 “这些算法可用于为个体患者提供关于降低 LDL-C 和 SBP 的最佳时间、强度和持续时间的决策，以最有效地预防动脉粥样硬化性心血管事件。”

动脉粥样硬化性心血管疾病是一种慢性进行性疾病，始于生命早期，随着时间的推移缓慢进展。随机试验表明，降低 LDL 和 SBP 可降低动脉粥样硬化性心血管事件的风险。然而，孟德尔随机化研究表明，与降低的心血管事件风险相比，终生暴露于较低的 LDL 和 SBP 与心血管事件风险的降低有关在生命后期开始降低 LDL 和 SBP 的随机试验中观察到。这表明在生命早期降低 LDL 和 SBP 可能会大大改善心血管疾病的预防。然而，降低 LDL 和 SBP 以预防心血管事件的最佳时机、持续时间和强度尚不清楚。

临床医生使用风险评估算法来选择可能从治疗中受益的心脏病高危人群。然而，这些算法不包括在随机试验或孟德尔随机研究中观察到的 LDL 和 SBP 的影响，因此可能无法捕捉到降低 LDL 或 SBP 的真正益处。因此，本研究的目标是双重的。首先，评估当前的风险评分是否准确估计了由 LDL 和 SBP 引起的心血管事件的基线风险，以及从任何年龄开始并延长任何持续时间的降低 LDL 和 SBP 的益处。其次，使用 AI 算法评估添加 LDL 和 SBP 的因果效应是否更准确地估计心血管风险和益处。

因果 AI 算法用于估计 180 万人中LDL和SBP在离散时间单位暴露中的影响（以先前的暴露为条件，以反映动脉粥样硬化如何发展的生物学特征）。其中，包括 1,320,974 名参加孟德尔随机化研究的个体，评估 140 个与LDL相关的遗传变异和 202 种与 SBP 相关的变体，以及包括527,512 名参与者参加了 76 项评估 LDL 或 SBP 降低疗法的随机试验。

英国联合协会 (JBS3) 算法的准确性进行了评估，包括单独和添加 LDL 和 SBP 的因果效应 AI 影响后：1) 英国生物银行中 445,771 名参与者的独立样本，以评估这些算法对终生风险的评估效果和获益； 2) 48,315 名参与者参加了降低 LDL 和 SBP 的试验，以评估这些算法在多大程度上估计了试验中观察到的降低 LDL、SBP 或两者的短期益处。主要结局是主要冠状动脉事件（MCE），定义为首次发生致命性或非致命性心肌梗死或冠状动脉血运重建。次要结局是主要心血管事件（MCVE），定义为首次发生主要冠状动脉事件或非致死性缺血性卒中。

该研究有三个主要发现。

第一，JBS3 算法系统地低估了终生 LDL、SBP 或两者都较高的人发生 MCE 的风险；并且系统性地高估了终生暴露于较低 LDL、SBP 或两者的风险。 Ference 教授说：“这一发现解释了为什么当前的风险算法会得出一个生物学上难以置信的结论，即 LDL 和 SBP——动脉粥样硬化性心血管事件的两个主要可改变原因——对心血管事件的风险没有有意义的贡献。相比之下，包括 LDL 和 SBP 的因果效应，源自 Causal AI 算法，准确估计了终生暴露于 LDL、SBP 或两者兼有较高和较低水平的人群中所有年龄段的 MCE 风险。”

第二，JBS3 算法系统地低估了在 MCE 上维持终生低 LDL、SBP 或两者兼而有之的好处。相比之下，包括 LDL 和 SBP 的因果效应在内，准确估计了在所有年龄段维持终生低 LDL 和 SBP 的益处。

第三，与 LDL 和 SBP 降低疗法的随机试验相比，JBS3 算法系统地低估了在生命后期开始降低 LDL、SBP 或两者的益处。相比之下，在随机试验中观察到的每个月的随访期间，包括 LDL 和 SBP 的因果效应在内，准确估计了降低 LDL、SBP 或两者在生命后期开始的益处。

Ference 教授说：“目前的风险评估算法偏向于预防，因为它们系统地低估了降低 LDL 和 SBP 的益处。 这可能会导致错误的结论，即等到晚年再降低 LDL 和 SBP 比在年轻时降低 LDL 和 SBP 更有效且成本更低。 用因果人工智能取代这些算法有可能使心血管疾病的预防个性化，并说明投资于心血管预防的公共卫生和经济价值。”

参考资料：