一项研究显示，一种新型AI模型通过分析30年常规电子健康记录(EHR)数据，有望改善原发性醛固酮增多症的筛查。原发性醛固酮增多症是一种常被忽视的高血压主要原因，会增加患者心血管并发症的风险。该研究结果在美国内分泌学会年会ENDO 2026上公布。
原发性醛固酮增多症发生时，位于肾脏顶部的肾上腺（小腺体）产生过多的醛固酮激素。这导致帮助平衡钠和钾水平的醛固酮在体内积累。与原发性高血压患者相比，原发性醛固酮增多症患者面临更高的心血管疾病风险。
该研究的主要研究人员、明尼苏达州罗切斯特梅奥诊所的Frank Lee医学博士表示，原发性醛固酮增多症的确切患病率尚不清楚，但估计高达20%的高血压患者患有此病。Lee解释说，由于原发性醛固酮增多症有有效的治疗方法，早期诊断可以预防未来的并发症并降低医疗成本。
美国内分泌学会于2025年发布的《原发性醛固酮增多症：内分泌学会临床实践指南》呼吁更广泛地筛查原发性醛固酮增多症。这种高血压病因会增加患者发生中风、冠状动脉疾病、心房颤动、心力衰竭和肾脏疾病等心血管并发症的风险。
研究人员利用1986年至2025年间在梅奥诊所平台（Mayo Clinic Platform）——一个具有多模态临床数据的联邦隐私保护基础设施——收集的22,000多名患者的匿名数据，开发了一种AI筛查模型。该模型分析了包括年龄、性别、高血压和低钾血症相关的ICD诊断、收缩压测量值、血钾水平以及处方抗高血压或钾补充药物在内的变量。
随后，研究人员在225,887名高血压成年人的数据上测试了该模型。一种XGBoost架构的机器学习库能够在诊断前12个月预测原发性醛固酮增多症风险患者。
Lee表示，该模型表明基于AI的原发性醛固酮增多症筛查方法可能是可行的。当研究人员设定阈值来识别低风险人群时，该模型正确标记了超过90%的原发性醛固酮增多症病例，同时漏诊率低于10%。在此设定下，大约三分之二的研究参与者被确定为需要进行筛查的候选者。
Lee说："在对先前从未接受过原发性醛固酮增多症筛查的高血压患者进行测试时，我们的模型识别出约三分之二的患者需要进一步检查。"
他表示："临床医生一直难以有效筛查原发性醛固酮增多症。我们团队开发的工具可以基于患者医疗记录中常规可用的信息提供解决方案。"
【全文结束】