随着肿瘤诊疗水平不断提高，肿瘤患者生存期不断延长。与此同时，各类治疗手段所致的心血管并发症日益凸显。研究显示，有近半数肿瘤患者死亡于非肿瘤性原因，其中心血管疾病是其主要死因之一。2020年12月，发表在《Am Heart Assoc》的一项研究显示，一种机器学习算法，可很好预测肿瘤治疗患者的心脏病风险。

背景：对癌症治疗的心血管毒性认识的增加促使心脏肿瘤学这一新学科的出现，该领域重点关注癌症治疗前、治疗期间、治疗后心功能不全患的预防、检测和治疗。早期检测和预防癌症治疗相关心功能不全（CTRCD），在精准心脏肿瘤学中起到重要作用。

方法和结果：这项回顾性研究纳入了4309名1997~2018年确诊的癌症患者，从克利夫兰诊所电子病历数据库（Epic系统）中收集患者的实验室检查和心血管超声心动图变量。这些患者中，1560人（36%）确诊至少1种CTRCD，838人（19%）在癌症治疗后发生CTRCD（原发）。研究者假定，机器学习算法可根据临床相关变量预测癌症患者的CTRCD。研究者训练分类模型，评估了6种心血管结局，包括冠状动脉疾病（受试者工作特性曲线下面积（AUROC），0.821；95% CI，0.815~0.826）、房颤（0.787；0.782~0.792）、心衰（0.882；0.878~0.887）、卒中（0.660；0.650~0.670）、心肌梗死（0.807；0.799~0.816）、新发CTRCD（0.802；0.797~0.807）。使用时间分割数据进一步验证了模型的可推广性。模型检验提示，多个临床相关变量与CTRCD显著相关，包括年龄、高血压、血糖水平、左心射血分数、肌酐、天冬氨酸转氨酶水平。

结论：研究表明，利用医疗系统中的大样本纵向患者数据的机器学习算法，可为肿瘤患者心脏风险分层提供有力工具。

（选题审校：何娜 编辑：贾朝娟）
（本文由北京大学第三医院药剂科翟所迪教授及其团队选题并审校，环球医学资讯编辑完成。）

参考资料：
J Am Heart Assoc. 2020 Dec;9(23):e019628.
Machine Learning-Based Risk Assessment for Cancer Therapy-Related Cardiac Dysfunction in 4300 Longitudinal Oncology Patients
https://pubmed.ncbi.nlm.nih.gov/33241727/