一项针对新型人工智能模型的研究表明，该模型通过分析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见但常被忽视的高血压病因，会增加患者发生心血管并发症的风险。这一研究结果将于本周六在芝加哥举行的内分泌学会2026年年会(ENDO 2026)上公布。
原发性醛固酮增多症是指位于每个肾脏顶部的小型腺体——肾上腺产生过多的醛固酮激素。醛固酮有助于平衡体内的钠和钾水平，当其过量积累时会导致疾病。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。
明尼苏达州罗切斯特梅奥诊所的研究负责人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，但据估计，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并发症并降低医疗成本。
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》呼吁对原发性醛固酮增多症进行更广泛的筛查。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、心力衰竭和肾病等心血管并发症的风险。
研究人员利用梅奥诊所平台(Mayo Clinic Platform)中1986年至2025年间收集的22,000多名患者的去标识化数据——这是一个具有多模态临床数据的联邦隐私保护基础设施——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补钾药物等变量。随后，研究人员在225,887名高血压成人数据上进行了测试。一种称为XGBoost架构的机器学习库能够在诊断前12个月预测出有原发性醛固酮增多症风险的患者。
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以识别低风险人群时，该模型正确标记了90%以上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，约三分之二的研究参与者被确定为筛查候选人。
明尼苏达州罗切斯特梅奥诊所的Frank Lee医学博士表示："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每三位患者中有两位需要进一步检查。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可用的常规信息提供解决方案。"
【全文结束】