治疗方法的进步已经大大改善了射血分数降低的心力衰竭（HFrEF）患者的预后。然而，死亡率仍然很高（比大多数癌症还要高），特别是在合并心房颤动——这在HFrEF患者中很常见，并与预后变差有关。

与窦性心律的患者相比，作为心衰治疗基石的β-肾上腺素能阻断剂（BBB）并不能降低合并心房颤动患者的死亡率。在心房颤动患者的亚组中，常规统计分析无法确定任何决定这些患者疗效的单一患者特征。

为了解决上述问题，在近期发表的《柳叶刀》研究中，来自英国伯明翰大学癌症和基因组科学研究所的研究人员采用一直新的人工智能方法，以更好地评估合并症的多种和更高维度的相互作用，并确定窦性心律和房颤患者的BBB疗效的集群。

研究人员将基于神经网络的变异自动编码器和分层聚类法应用于九个β受体阻滞剂双盲、随机、安慰剂对照试验的单个患者数据。在中位数1-3年的随访中，通过意向性治疗评估了全因死亡率，按心电图心律分层。

结果共15659名心力衰竭和LVEF低于50%的患者被纳入，中位年龄为65岁（IQR 56-72），LVEF为27%（IQR 21-33）。3708名（24%）患者为女性。在窦性心律中（n=12822），大多数群组显示BBB对总体死亡率有一致的益处，风险降低从26%-46%不等（ORs，0.54-0.74）。但在窦性心律且症状不太严重的老年患者群没有显示出明显的疗效（OR=0.86，95% CI 0.67-1.10）。

心房颤动的全因死亡率和BBB疗效的分组情况

在心房颤动中（n=2837），五个群组中的四个与BBB相对于安慰剂的总体中性效应一致，没有显示出额外的益处（OR=0.92，0.77-1.10）。有一个年轻的房颤患者群，死亡风险较低，但LVEF与平均水平相似，使用BBB后，死亡风险降低43%（OR=0.57，0.35-0.93）。所有模型都证实了聚类的稳健性和一致性（P<0.0001），并且聚类成员在9个独立试验中得到了外部验证。

由此可见，基于人工智能的聚类方法能够区分心力衰竭和LVEF降低患者的BBB的预后反应。这包括疗效欠佳的窦性心律患者，以及BBB确实能降低死亡率的心房颤动患者群。

 

参考文献：

Redefining β-blocker response in heart failure patients with sinus rhythm and atrial fibrillation: a machine learning cluster analysis. https://doi.org/10.1016/S0140-6736(21)01638-X