大數據模型預測心疾 港大研發準確率90%
（香港訊）香港大學早前利用大數據，研發出首個針對香港人的深度預測心腦血管疾病風險模型，預測心臟病風險準確率高達9成，還能計算治療成效。
80%心血管疾病可以預防
據衛生防護中心資料顯示，2020年香港有逾6500人死於心臟病。它看似防不勝防，其實有數得計。
現今最權威、歷史最悠久的心血管疾病風險模型Framingham Risk Score（FRS），輸入年齡、性別、血壓值、吸煙習慣、膽固醇值等7個風險因素，就能預計10年內患上心血管病的風險。
“心血管疾病在香港很普遍，但弔詭之處是80%都可以預防。”
香港大學內科學系榮譽臨床教授、心臟科專科醫生蕭頌華指出，醫生憑臨床診斷、病史等，其實都估計到病人心臟病發的風險高低；但有了客觀的評估工具，為病人提供具體數據，告知10年內心臟病發或中風死亡風險，病人可能較願意踏出一步，服藥、戒煙、做運動等，“某程度上是education（教育），讓病人更依從治療。”
歐美模型或會估錯華人
目前常用的心血管疾病風險模型，除了美國FRS，還有美國心臟病學會／美國心臟協會的Pooled Cohort Equations（PCE）、歐洲的Systematic Coronary Risk Evaluation（SCORE）等，它們都經科學研究驗證，具參考價值。
但蕭頌華指，這些模型大多以白人和黑人數據為主，對華人的準確度相對較低，有時會估錯風險。
很多研究可見，“同樣血壓高，對華人的影響似乎高過白人，我們患血壓高亦較普及；另外，體型、飲食習慣和生活習慣等亦有分別，由肥胖引起心臟病的機率亦不同。”
100風險因素納模型考量
香港大學護理學院及公共衛生學院助理教授徐詩鈴，引述2018年一項當地研究，研究團隊追蹤安老院舍長者10年內心血管病發的情況，發現用FRS估算的病發風險高估了約7%。
於是，港大聯同創新及科技局，研發針對香港人的人工智能心腦血管疾病風險評分工具——華人個人化心腦血管疾病風險評估分數（Personalized Cardiovascular Disease risk Assessment for Chinese，簡稱P-CARDIAC）。
P-CARDIAC運用醫院管理局港島西聯網30萬病人數據，經電腦深度分析，除了年齡、三高、吸煙習慣等已知風險，還將其他逾100個心血管疾病風險及影響力納入模型考量。
徐詩鈴以糖尿病為例，已知病人自身患糖尿病和家族有糖尿病史，都是心血管病高危人士，“雖然文獻有說（兩者都對心血管病）有影響，但我們不知道原來影響程度相若。”
而今次數據分析發現，家族糖尿病史的影響等同本身患糖尿病，因此在P-CARDIAC中，家族糖尿病史成為重要評估項目之一。
15影響較大因素必須填
徐詩鈴團隊分析逾100個風險因素，找出其中15個影響較大因素，是必須填寫項目，其餘項目自由填寫，“填寫因素越多，評估就會越全面、越準確。”
必須填寫項目除了最基本的年齡、性別、血壓、血脂外，還有肝腎功能血液檢查結果、病史及用藥情況等。當中不一定是危險因素，部分是有利因素，可以減少患病風險。
“例如其中一項是他汀，病人如果有按醫生指引，服食控制低密度膽固醇的他汀類藥物，可減低心血管病發的風險。”
徐詩鈴即時示範模擬一個病人資料，當其他風險因素不變，有用藥和沒有用藥的病人，“不會患上心血管疾病年期”（CVD-free years）相差10年。
病人具體看到治療效果
另外，病人過去一年到急症室求診或門診次數亦加入評估之列，“如果急症入院次數多，代表身體較差；如果病人經常去門診看醫生，則他的help-seeking behaviour較好，當病人乖乖地看醫生、準時吃藥，經模型計算，對患病風險帶來正面影響。”
因為P-CARDIAC可計算病人在服藥、減重、覆診等情況下，不會患病年期，病人具體看到治療效果。蕭頌華表示，這有助令病人更依從接受治療和服藥，“令病人知道，吃藥不單是因為膽固醇過高，而是想長命一些、想活多5年、想見到孫兒畢業。”
P-CARDIAC目前主要就整體的心血管疾病風險作預測，
團隊曾利用9萬人的數據測試，
發現P-CARDIAC的準確率達9成，
預計下半年起將與瑪麗醫院合作臨床測試。
徐詩鈴指出，當有更多數據支持，P-CARDIAC可發展至獨立預測每一種心臟病的風險，如心肌梗塞、中風、冠心病等，令模型更為個人化。
大數據配人工智能 減少醫生“看漏眼”
今時今日走入診症室，醫生診症不只靠聽筒和你的檢驗報告；隨科技發展，大數據及人工智能已加入組成最強的醫療“團隊”！
“以前醫生用紙本紀錄，現在全部都已電子化。有如此豐富的數據，可以好好運用，了解不同因素怎樣影響每一種病。”香港大學護理學院及公共衛生學院助理教授徐詩鈴，運用港島西聯網30萬病人醫療數據，經電腦分析，找出逾百種心血管疾病風險因素，部分可能過去忽略了，或未知其重要程度，大數據可補足人類分析數據上的不足。
“如果不是看這麼多數據，本身都不知道原來有這樣的現象，自身患糖尿病和家族有糖尿病史的影響，就是其中一個例子。”
助大眾明白新藥
她又舉例指出，新藥、新疫苗推出市場前要做臨床測試，最多只有幾百至幾萬人參與，數量始終有限。
但早前港大透過大數據分析100萬人打疫苗的安全度，比對接種疫苗後出現不良事件的比例，發現注射疫苗後出現心肌炎的絕對風險很低。借助大數據，更全面、更有代表力的數據，幫助大眾明白新藥、新疫苗是否安全。
更準確診斷病情
另外，當大數據配合人工智能技術，可以更準確診斷病人的病情，減少醫生“看漏眼”。例如俗稱“糖尿上眼”的糖尿病視網膜病變，近年越來越普遍，嚴重可致失明，但病發初期往往不容易發現異樣。
徐詩鈴說，英國有大學研發以人工智能方式偵測“糖尿上眼”，訓練機器分析上百萬張視網膜影像，當病人照眼球影像時，機器可透過比對和分析不同的影像，比起醫護人員以肉眼診斷，更快、更精準地找出糖尿上眼的徵兆，及早介入治療。
文:張淑媚《明報》
光明網促請讀者及網民，共同維護言論自由精神，營造理性交流環境；任何人身攻擊、鼓吹種族與宗教仇恨、誹謗與造謠等留言，皆不代表本網站立場。 本網站有權刪除任何違反此原則的留言。