Credit: Unsplash/CC0 Public Domain试验的数据，这是评估CPAP预防心血管疾病的最大临床队列研究，在七个国家的89个地点招募了2600多名参与者，用于估计个体化治疗效果评分。他们在分析模型中考虑了来自睡眠和健康信息的100多个预测因子，确定了23个关键基线特征，如既往病史和吸烟状况。
研究人员发现，治疗反应在整个队列中存在显著差异。该模型识别出一个亚组，预计该亚组患者接受CPAP治疗后心血管风险会改善；被随机分配接受该疗法的该亚组参与者，与接受常规护理的该亚组患者相比，未来心脏风险改善了100倍。相反，那些被预测会因该疗法而受到伤害的亚组患者，与接受常规护理相比，在接受CPAP治疗时，心血管疾病结局（包括复发性中风和心脏病发作）增加了100多倍。
人工智能和临床实践的意义
"这些结果展示了机器学习在精准医学时代预测治疗效果的力量；然而，此类模型需要经过仔细验证，以证明其在临床实践中的实用性，"西奈山医学院医学（肺病、重症监护和睡眠医学）助理教授、共同第一作者Oren Cohen医学博士表示。
"医学中的人工智能必须超越模式识别，转向因果推理，"西奈山医学院生物统计学和数据科学部联合主任、人口健康科学与政策教授以及人工智能与人类健康教授、共同通讯作者Mayte Suarez-Farinas博士表示。
"通过使用随机临床试验数据随时间估计个体化治疗效果，我们将预测性人工智能推向基于因果关系的决策支持工具，这些工具能够为现实世界中的治疗决策提供信息并改善结果。"
SAVE试验的调查人员为这项研究做出了贡献，包括澳大利亚悉尼全球健康乔治研究所、悉尼新南威尔士大学、澳大利亚阿德莱德大学电气与机械工程学院，以及阿德莱德弗林德斯大学阿德莱德睡眠健康研究所/弗林德斯健康与医学研究所睡眠健康部门的人员。
出版详情
Oren Cohen等人，《持续气道正压通气对非嗜睡性阻塞性睡眠呼吸暂停患者次要心血管结局的个体化治疗效果》，《通讯医学》(2026)。DOI: 10.1038/s43856-026-01457-1
期刊信息：
《通讯医学》
关键医学概念
持续气道正压通气 阻塞性睡眠呼吸暂停 心血管疾病 机器学习
临床类别
睡眠医学 肺病学 睡眠与恢复 心脏病学 常见疾病与预防
由西奈山医院提供
【全文结束】