心脏代谢性疾病多重并发与心房颤动：传统统计方法与人工智能方法的见解

《BMC Cardiovascular Disorders》：Cardiometabolic multimorbidity and atrial fibrillation: insights from traditional statistical and artificial intelligence approaches

　　

摘要

背景

在心房颤动患者中，心脏代谢性疾病多重并发现象日益普遍，但其对消融术后预后的独立影响、相关机制以及该人群的风险预测最佳方法仍不明确。

方法

我们分析了三个独立的房颤导管消融患者队列：一个初始队列（n?=?3,308）、一个外部验证队列和一个前瞻性测试队列。心脏代谢性疾病多重并发被定义为两种或更多心脏代谢性疾病的共存。通过Cox比例风险模型和倾向评分匹配分析，研究了心脏代谢性疾病多重并发与房颤复发、全因死亡及心血管死亡之间的关联。中介分析则用于量化结构、代谢和炎症途径的贡献。此外，我们还开发了10种机器学习算法来预测房颤复发，并将其性能与8种现有的临床风险评分进行了比较。同时运用时间依赖型ROC分析来评估不同随访时间点上的区分能力。

结果

在初始队列的3,308名患者中，有686人（20.7%）存在心脏代谢性疾病多重并发。该状况与房颤复发风险增加（调整后HR为1.17，95%置信区间为1.03–1.33）、全因死亡风险增加（HR为1.83，95%置信区间为1.11–3.00）以及心血管死亡风险增加（HR为2.22，95%置信区间为1.24–3.98）存在独立关联，且风险随心脏代谢性疾病多重并发成分数量的增加而呈逐步上升趋势（趋势性检验的p值＜0.001）。这些关联在倾向评分匹配分析中依然存在（HR为1.32，95%置信区间为1.16–1.50），并且在外部队列和前瞻性队列中也被证实。中介分析表明，左心房直径（占总效应的46.5%）、胰岛素抵抗（METS-IR，占25.6%）、左心房附壁收缩速度（占24.9%）以及尿酸与HDL比值（UHR，占24.1%）是影响房颤复发风险的关键因素。在消融术前预测方面，LightGBM模型的区分性能最佳（ROC-AUC为0.766，95%置信区间为0.687–0.844；PR-AUC为0.755），优于所有传统风险评分。1年、2年和3年的时间依赖型AUC值分别为0.776、0.760和0.730。而一种能够识别早期复发的模型（TabPFN）的ROC-AUC则达到了0.873。这两种模型都在外部队列和前瞻性队列中得到了验证。

结论

心脏代谢性疾病多重并发是房颤消融术后不良预后的独立预测因子，其形成与结构、代谢和炎症方面的改变有关，而这些改变又部分通过左心房扩大来体现。基于机器学习的预测方法相比传统临床评分能更准确地对风险进行分层，有助于为这类高风险人群提供个性化治疗方案。