左心室肥厚（LVH）是高血压终末器官损伤的重要表现，可能对心血管疾病的进展产生深远影响，包括心肌缺血/梗死、心力衰竭、心律失常甚至死亡。左心室肥厚的发生与多种因素相关，包括机械应力、胰岛素样生长因子-1（IGF-1）、转化生长因子β（TGF-β）、儿茶酚胺、血管紧张素II、内皮素-1及其他炎症介质，这些因素通过不同的生理和病理性肥厚机制发挥作用。
传统上，尽管心电图（ECG）检测左心室肥厚的敏感性较低（11%-13%），但由于其普遍可用且成本低廉，仍被广泛使用。经胸超声心动图是一种重要的影像学工具，用于评估左心室肥厚和高血压性心脏病（HHD）。左心室质量指数（LVMI）、左心室舒张功能障碍（LVDD）和整体纵向应变（GLS）是损伤的重要标志，具有预后意义。超声心动图描述了四种左心室重构的几何模式，包括正常几何结构、向心性重构、向心性肥厚和偏心性肥厚，所有这些模式都具有预后意义。
心脏磁共振成像（CMR）是评估心室功能和质量的金标准，但其可用性有限。CMR能够进行组织特征分析、体积测量、心肌质量、射血分数及局部运动障碍的评估。此外，它还可以区分真性心脏肥厚与心脏肿块或假性肿块，并在确认心脏肥厚的情况下分析心脏功能和特征化组织。CMR还可以像超声心动图一样检测四种不同的左心室肥厚表型。
在本期内容中，Naderi等人利用机器学习探索了心电图预测高血压相关左心室肥厚表型的预后和诊断价值，并从德国东北部西波美拉尼亚的一项基于人群的研究（n=1474）中对其发现进行了外部验证。他们使用了英国生物银行（UK Biobank, UKB）的数据，识别出超过23,000名高血压患者（血压≥130/85 mmHg），这些患者同时拥有心电图和CMR数据，并分析了其血压读数、静息12导联心电图数据及CMR参数。
研究人员在研究中考虑了临床变量，包括高胆固醇血症、糖尿病、吸烟状况和饮酒情况。有趣的是，他们还记录了UKB参与者的心血管结局关联并定义了主要终点。适当的方法，包括逻辑回归、支持向量机和随机森林，被用于构建整合心电图和临床变量的分类模型。
大多数参与者被发现具有正常左心室或左心室重构（超过98%），少数人表现为偏心性或向心性左心室肥厚。在波美拉尼亚健康研究（SHIP）中，略高于95%的参与者具有正常左心室或不同类型的重构，3%为向心性左心室肥厚，其余为偏心性左心室肥厚。使用Sokolow-Lyon和Cornell标准的电压标准检测左心室肥厚，在两组之间表现出更好的相关性（分别为2%和6% vs. 8%和9%），但这一发现的意义尚不明确。
机器学习分类器被证明具有稳健性，UKB和SHIP队列之间的相关性令人满意。他们发现心电图预测的偏心性左心室肥厚与心力衰竭之间存在关联，提示这可能是患者心力衰竭进展的潜在标志。偏心性左心室肥厚患者的最低心室率可能与扩张型左心室导致的收缩功能受损和充盈压力升高有关。
心电图特征，包括心室率、QRS波幅和其他与QRS复合体相关的指标，被分析为潜在的重构标志。然而，评估这些发现和机器学习模型与抗高血压治疗的关系以及最佳血压管理是否影响观察结果将是有用的。
正如文章所承认的那样，两个研究组均由白种欧洲背景的个体组成；在其他种族群体中开展类似研究，特别是非洲加勒比人和非裔美国人，将是有益的，因为与白种人相比，高血压相关的左心室肥厚在他们中更为普遍，并对心血管预后产生更大影响。
心电图预测表型与临床结果的探索表明，偏心性左心室肥厚与心力衰竭之间存在显著关联，其危险率较正常左心室几何结构患者高出三倍以上。这是由于心肌增厚、肌肉松弛失败和舒张功能障碍，最终导致慢性容量和压力负荷下的收缩功能恶化。
人工智能及其在医学科学中的适应性，随着不断发展的算法和机器学习，很可能在未来模型的发展中发挥重要作用，以准确预测高血压等健康状况的进程和进展、终末器官损伤的形成及其对临床结果的影响，或许还能为及时干预铺平道路，从而改变这种进展，预防不良临床结果。
(全文结束)
