Prédire le risque d'insuffisance cardiaque chez les patients diabétiques avec l'aide de l'apprentissage automatique

0
42

L'insuffisance cardiaque est une complication potentielle importante du diabète de type 2 qui survient fréquemment et peut entraîner la mort ou une invalidité. Plus tôt ce mois-ci, des résultats d’essais de dernière minute ont révélé qu’une nouvelle classe de médicaments, les inhibiteurs du SGLT2, pourrait être utile pour les patients souffrant d’insuffisance cardiaque. Ces thérapies peuvent également être utilisées chez les patients diabétiques pour prévenir l’insuffisance cardiaque. Cependant, un moyen d'identifier avec précision quels patients diabétiques sont les plus à risque d'insuffisance cardiaque reste insaisissable. Une nouvelle étude menée par des investigateurs des hôpitaux Brigham and Women's Hospital et UT Southwestern Medical Center dévoile un nouveau modèle dérivé de l'apprentissage automatique, capable de prédire avec une grande précision le risque d'insuffisance cardiaque chez les patients diabétiques. Les résultats de l’équipe sont présentés à la réunion scientifique annuelle de la Heart Failure Society of America à Philadelphie et publiés simultanément dans Traitements diabétiques.

"Nous espérons que ce score de risque pourra être utile aux cliniciens sur le terrain – médecins de soins primaires, endocrinologues, néphrologues et cardiologues – qui soignent des patients atteints de diabète et réfléchissent aux stratégies qui peuvent être utilisées pour les aider", a déclaré co-premier auteur Muthiah Vaduganathan, MD, MPH, cardiologue au Brigham.

"Notre score de risque fournit un nouvel outil de prédiction permettant d'identifier les patients exposés à un risque d'insuffisance cardiaque au cours des cinq prochaines années", a déclaré le co-premier auteur, Matthew Segar, médecin et médecin résident à l'UT Southwestern. "En ne nécessitant pas de biomarqueurs cliniques cardiovasculaires spécifiques ni d'imagerie avancée, ce score de risque est facilement intégrable dans la pratique au chevet des patients ou dans les systèmes de dossiers de santé électroniques et peut permettre d'identifier les patients susceptibles de bénéficier d'interventions thérapeutiques."

Pour élaborer le score de risque – appelé WATCH-DM – ​​l'équipe a exploité les données de 8 756 patients diabétiques inscrits dans l'essai Action pour contrôler le risque cardiovasculaire dans le diabète (ACCORD). Ces données comprenaient un total de 147 variables, notamment des données démographiques, des informations cliniques, des données de laboratoire, etc. Les enquêteurs ont utilisé des méthodes d’apprentissage automatique capables de traiter des données multidimensionnelles pour déterminer les prédicteurs les plus performants de l’insuffisance cardiaque.

En près de cinq ans, 319 patients (3,6%) ont développé une insuffisance cardiaque. L’équipe a identifié les 10 facteurs prédictifs d’insuffisance cardiaque les plus performants qui composent le score de risque WATCH-DM: poids (IMC), âge, hypertension, créatinine, C-HDL, contrôle du diabète (glycémie à jeun), durée du QRS, myocarde. infarctus et pontage coronarien. Les patients dont les scores WATCH-DM étaient les plus élevés couraient un risque d'insuffisance cardiaque proche de 20% sur cinq ans.

L’étude tire sa force de la grande taille de son échantillon et du taux élevé d’insuffisance cardiaque, mais les auteurs notent que leurs résultats peuvent être limités par certaines limitations. ACCORD a été mené entre 1999 et 2009, et les facteurs prédictifs de l'insuffisance cardiaque peuvent avoir évolué depuis la conclusion du procès. De plus, alors que le score de risque permettait de prédire avec exactitude une forme d’insuffisance cardiaque – celle avec une fraction d’éjection réduite -, il était insuffisant pour prédire une deuxième forme d’insuffisance cardiaque – celui avec une fraction d’éjection préservée. De futures études seront nécessaires pour développer des scores de risque spécifiques permettant de prédire ce dernier dans la population générale et chez les patients diabétiques.

Fait important, le score de risque WATCH-DM est maintenant disponible en tant qu'outil en ligne que les cliniciens peuvent utiliser. Dans une étape suivante, l’équipe de recherche s’efforce d’intégrer le score de risque dans les systèmes de dossiers médicaux électroniques de Brigham et de l’UT Southwestern afin de faciliter son utilisation pratique.

En plus de l'utilité de l'outil pour les cliniciens, Vaduganathan voit également un message clé de l'étude destiné aux patients diabétiques préoccupés par leur risque d'insuffisance cardiaque.

"Il est important d'examiner ces 10 variables et d'y réfléchir", a déclaré Vaduganathan. "Ce sont des messages importants à prendre en compte pour les patients lors de l'évaluation du risque personnel. L'IMC était l'un des principaux prédicteurs du risque d'insuffisance cardiaque, ce qui renforce l'idée qu'un excès de poids à long terme peut augmenter le risque futur d'insuffisance cardiaque. Nous espérons que cela Le travail met en évidence les moyens d’intervenir – à la fois par des changements de mode de vie et par l’utilisation d’inhibiteurs de SGLT2 – pour retarder voire prévenir totalement l’insuffisance cardiaque. "

"Cet outil de gestion du risque est un pas important dans la bonne direction pour promouvoir la prévention de l'insuffisance cardiaque chez les patients atteints de diabète de type 2. Il peut être facilement utilisé dans le cadre des soins cliniques des patients atteints de diabète de type 2 et intégré aux dossiers médicaux électroniques pour informer aux médecins sur le risque d'insuffisance cardiaque chez leurs patients et à guider l'utilisation de stratégies préventives efficaces ", a déclaré Ambarish Pandey, MD, MSCS, cardiologue préventif à l'UT Southwestern et auteur principal de cette étude.

###

Le financement de ce travail a été fourni par le programme de boursiers cliniques Texas Health Resources, le prix KL2 / Catalyst Research Research Investigator de Harvard Catalyst (prix UL 1TR002541 du National Institutes of Health (NIH) / Centre national pour l'avancement des sciences translationnelles) et le Texas Health Resources. Programme d'érudits cliniques. Vaduganathan est membre des conseils consultatifs d’AstraZeneca et de Boehringer Ingelheim.

Document cité: Segar, M *, Vaduganathan M * et al. "Machine Learning pour prédire le risque d'hospitalisation pour insuffisance cardiaque au cours de l'incapacité chez les patients atteints de diabète: le score de risque de WATCH-DM" Traitements diabétiques DOI: 10.2337 / dc19-0587

Avertissement: AAAS et EurekAlert! ne sont pas responsables de l'exactitude des communiqués publiés sur EurekAlert! institutions contributrices ou pour l'utilisation de toute information via le système EurekAlert.

. (tagsToTranslate) Médecine / Santé (t) Cardiologie (t) Diabète

LEAVE A REPLY

Please enter your comment!
Please enter your name here

This site uses Akismet to reduce spam. Learn how your comment data is processed.