良醫

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

Advertisement

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。”

預計病發風險——心臟病看似防不勝防,其實透過評估年齡、性別、血壓值以及心腦血管疾病風險模型,也能預測出病發風險。

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。

分析疫苗安全度——香港大學早前透過大數據分析新冠疫苗的安全度,發現出現心肌炎的絕對風險很低。

文:張淑媚《明報》

Tags
【免責聲明】
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。

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *

你也可能感兴趣...