《Translational Research》：Predicting Exercise Pulmonary Hypertension: The RIGHT-NET Machine Learning model A Pilot Study
编辑推荐：
本研究针对运动性肺动脉高压（PH）早期诊断难题，开发了一种基于临床及静息经胸多普勒超声心动图（TTE）参数的机器学习（ML）模型。通过RIGHT-NET国际网络纳入417例受试者（含196例结缔组织病患者），采用弹性网络（Elastic Net）算法构建预测模型，成功识别平均肺动脉压/心输出量斜率（mPAP/CO slope）>3 mmHg/L·min的异常反应，曲线下面积（AUC）达0.92。该模型以三尖瓣环平面收缩期位移/肺动脉收缩压比值（TAPSE/sPAP）、性别及左室流出道直径等为核心特征，为非侵入性筛查运动性PH提供了高效工具，有望推动基层医疗早期干预。
在心血管疾病诊疗领域，肺动脉高压（Pulmonary Hypertension, PH）是一种进展迅速、预后不良的病理状态，尤其常见于结缔组织病（Connective Tissue Disease, CTD）等高风险人群。传统诊断依赖右心导管检查（Right-Heart Catheterization, RHC），虽为金标准却因侵入性操作难以普及。运动负荷下经胸多普勒超声心动图（Exercise Transthoracic Doppler Echocardiography, Ex-TTE）可通过测量平均肺动脉压与心输出量的比值斜率（mPAP/CO slope）反映肺血管功能，但其操作复杂且需专业中心支持，限制了临床广泛应用。如何基于静息期指标无创预测运动性PH，成为亟待突破的难题。
为此，由意大利那不勒斯“费德里科二世”大学领衔的RIGHT-NET国际研究网络开展了一项开创性工作，旨在利用机器学习（Machine Learning, ML）技术构建预测模型。研究团队纳入了417名受试者（包括221名健康成年人和196名CTD患者），根据mPAP/CO斜率分为≤3 mmHg/L·min（222人）和>3 mmHg/L·min（195人）两组。通过采集静息期临床及TTE参数，训练了三种ML模型（弹性网络正则化广义线性模型、分类回归树和LogitBoost），最终优选弹性网络模型进行验证。该研究近期发表于《Translational Research》，为运动性PH的早期筛查提供了新思路。
关键技术方法包括：基于RIGHT-NET多中心队列的标准化运动TTE协议，采用半卧位踏车负荷试验；通过弹性网络特征排名筛选关键预测变量；使用合成少数类过采样技术（SMOTE）处理数据不平衡问题；通过训练集（60%）与测试集（40%）分割及3折交叉验证评估模型性能。
研究结果
研究人群特征
mPAP/CO斜率>3 mmHg/L·min的患者以女性为主（79%），年龄更大、体表面积（BSA）更低，且CTD患者占比显著更高（81.5%），提示人口学特征与疾病分布密切相关。
静息TTE参数
异常斜率组表现出更高的左室射血分数（EF）、相对室壁厚度（RWT）和平均E/e′比值，但左室舒张末期内径、左室流出道（LVOT）直径、每搏输出量（SV）及心输出量（CO）均显著降低。三尖瓣反流速度（TRV）和肺动脉收缩压（sPAP）升高，而TAPSE/sPAP比值显著降低，凸显右心功能与后负荷失衡的关键作用。
运动期临床与TTE参数
异常组在峰值运动时心率、负荷功率、SV及CO均较低，TAPSE及TAPSE/sPAP比值进一步下降，而sPAP和E/e′显著升高，证实运动状态下肺循环压力反应异常与左室舒张功能受限及右心-肺循环单元（RH-PCU）代偿不足相关。
ML预测模型构建
特征选择确定9个核心变量，其中TAPSE/sPAP、女性性别和较小LVOT直径权重最高。弹性网络模型在测试集中表现最优（AUC=0.92），敏感性与特异性分别达89%和86%。其预测公式为：
y = 17.04 - 2.74 × TAPSE/sPAP + 1.31 × 女性性别 - 3.2 × LVOT直径 - 1.34 × E/A + 5.53 × RWT - 1.02 × BSA - 1.15 × 心脏指数 - 0.32 × 左室收缩速度（LV S′） - 0.18 × 下侧壁厚度（ILW）。
结论与讨论
本研究首次将ML算法应用于运动性PH的无创预测，通过整合静息期易得参数，实现了对mPAP/CO斜率>3 mmHg/L·min的高精度识别。TAPSE/sPAP作为右心-肺循环耦合指标，成为最强预测因子；女性性别和左室结构参数（如LVOT直径、RWT）的纳入，反映了PH的多因素病理生理基础。模型的高阴性预测值（89%）有望在临床中有效排除非高危患者，优化医疗资源分配。
尽管该模型仍需通过前瞻性多中心研究验证其普适性，且未与RHC直接对标，但其基于标准化TTE参数的计算框架为基层医疗提供了实用工具。未来通过开发在线计算平台，可将复杂方程转化为简易风险评分，进一步推动早期PH的筛查与管理革新。
