Modelo futuro pessoal melhora a avaliação de riscos para doença arterial coronariana

A doença arterial coronariana (CAD) é uma das principais causas de morte nos Estados Unidos. Embora existam remédios preventivos eficazes, essas medidas geralmente são parcialmente reduzidas, pois as pessoas não sabem que estão em risco de DAC até que seja tarde demais.

Agora, os cientistas do Scripps Research Translational Institute desenvolveram Modelo de aprendizado de máquina Isso estima com mais precisão o risco de DAC de um paciente do que a prática clínica padrão, que é baseada principalmente na idade. Conclusões, publicado em Terapia natural Em 16 de abril de 2025, aproveitou os dados atingindo 10 anos. Seu novo modelo é individual e integra fatores, incluindo genética, estilos de vida e histórico médico, permitindo que os médicos forneçam aos pacientes conselhos e tratamento preventivo às suas necessidades pessoais.

Professor e diretor, PhD, PhD, PhD, PhD, PhD de Genomics e Informática do Genoma no Instituto de Translacional da Scripps Research diz: “Acho que os riscos mais precisos e pessoais prevêem que podem motivar os pacientes a se envolver na prevenção precoce”. “Nosso modelo primeiro prevê o risco de uma pessoa desenvolver CAD e, em seguida, fornece informações para permitir a intervenção pessoal”.

O CAD é causado pela formação de placa nas artérias do coração, o que bloqueia o suprimento sanguíneo. Muitas pessoas não sentem que têm um CAD até ter um ataque cardíaco, mas a doença é cumulativa – o tratamento anterior começa, mais eficaz será.

O primeiro escritor Shang-Fu ‘Sean’, uma ex-estudante de doutorado em um grupo de Torcorioni, diz: “Inspecionamos os maus resultados para DAC em pacientes com 50 anos ou mais, mas a doença começa a se desenvolver há muito tempo, às vezes quando as pessoas são adolescentes. Diz estudantes de doutorado.

Para permitir CAD mais preciso Previsão de riscoA equipe de Torkamani decidiu criar um modelo que inclui fatores além da idade, incluindo Tendência genéticaEstilo de vida e histórico médico. Ele usou dados do BioBank do Reino Unido para treinar modelos de aprendizado de máquina para identificar fatores relacionados ao CAD.

Em seguida, ele testou o modelo em dados longitudinais de um colega separado de indivíduos dentro do biobank, para ver se poderia prever o risco de desenvolver CAD durante 10 anos com base em seus dados de linha de base.

O modelo começou com cerca de 2.000 recursos de previsão que podem ser um CAD em risco, mas a equipe acabou caindo na lista em 53. riscoIsso incluiu medição física, biomarcador de sangue, família História médicaA presença de doenças mentais, duração do sono e variantes específicas de genes.

O novo modelo melhorou os modelos clínicos padrão e permitiu duas vezes a previsão como vários eventos de CAD. Após 10 anos de acompanhamento, 62,9% dos indivíduos classificados como o maior risco desenvolveram o CAD, enquanto comparados a apenas 0,3% de indivíduos no grupo de risco mais baixo.

“Comparado aos dispositivos clínicos tradicionais, o novo modelo melhorou a classificação de risco para quase um em cada quatro indivíduos – que realmente os encontram em risco, evitando ansiedade desnecessária para aqueles que encontram aqueles que realmente obtêm melhor identificação”, disse a cadeia.

A precisão do modelo se deve em parte à melhor capacidade de prever a DAC em grupos de pessoas, que geralmente são classificados como “baixo risco”, como jovens e mulheres.

“Nosso modelo pode elevar os indivíduos que serão considerados com baixo risco de DAC devido à idade, mas que são realmente de alto risco devido à sua genética subjacente”, chamou Terkmani.

Embora a precisão do modelo dependesse de incluir vários fatores, a equipe mostrou que a tendência genética era o profeta mais forte do risco de DAC até agora. Isso inclui não apenas uma tendência genética para CAD, mas também para condições relacionadas pressão altaAlto colesterol e diabetes.

“Seu risco genético para um desses sintomas – altos níveis de colesterol ou níveis de pressão alta ou diabetes – você o recebe de interferir com esse aspecto em particular através de mudanças de drogas ou estilo de vida”, diz Sokmani.

Quando a equipe validou o modelo usando o Instituto Nacional de Saúde, todos todos os conjuntos de dados – que inclui população mais diversificada do que o biobank do Reino Unido – ele mostrou que foi capaz de prever o risco de DAC para pessoas com ancestrais europeus, africanos e hispânicos.

Agora, os pesquisadores estão planejando um teste clínico de longo prazo para testar se informar os pacientes com o risco de DAC pode ajudar a prevenir a doença.

Chen diz: “Achamos que a coisa mais importante para os pacientes é estar ciente de seus riscos pessoais para que eles possam obter tratamento adequado e fazer mudanças no estilo de vida”.