优先治疗“高危患者”真的有效吗？
京都大学 4 月 5 日宣布，在高血压治疗方面，已经阐明了“高效益方法”作为应用尖端机器学习模型的下一代个性化医疗策略的有用性。本研究由本大学白眉中心副教授（社会流行病学）井上浩輔（研究當时為京大医学研究科）、加州大学洛杉矶分校(UCLA)副教授津川友介（内科/保健政策）进行)、由斯坦福大学 Susan Athey 教授（经济学）的研究小组完成。研究结果发表在国际流行病学杂志（International Journal of Epidemiology）网络版上。
常规医学在选择治疗目标人群时，优先考虑治疗心血管疾病（CVD）和死亡等未来预后较差的“高危患者”。例如，对心血管事件高风险患者常规进行严格的降压治疗，但几乎没有证据表明这些患者确实是最有可能从严格的降压管理中获益的人群。
另一方面，通过应用近年来迅速发展的机器学习，可以估计个体水平的治疗效果，并且可以以高效群体为目标。此类机器学习的代表模型之一是研究组成员Susan Athey教授开发的一种名为“因果林”的算法。这是一种机器学习模型，结合了多个决策树来评估治疗效果的可变性。
用机器学习模型预测高获益人群，与高危人群比较治疗效果
来自随机对照试验 SPRINT（非糖尿病人群）和 ACCORD-BP（糖尿病人群）的数据目标收缩压 (SBP) <120 mmHg（严格降压组）或 <140 mmHg 共有 10,672 名参与者（平均年龄：65.5 岁） ; 女性：40.8%）被随机分配到（标准抗高血压组）。
因果林用于预测个体水平强化降压治疗的 CVD 风险降低效果。
我们通过检查常规干预（高风险方法）在人群水平治疗效果的差异来定量评估高效益方法的有用性。
接近高获益人群 有望使整个患者人群的治疗效果提高约5倍
因此，需要治疗以预防一次 CVD 事件的患者人数在高效益方法中为 11（95% CI：10-12），在高风险方法中为 61（95% CI：35-12） approach. 276)，并通过高收益方法选择治疗人群，很明显，对人群的治疗效果比传统的高风险方法高出约 5 倍。 NHANES 数据中包含的一项针对美国普通人群的 14,575 人的研究也得出了类似的结果。
合理分配医疗资源 缩小健康差距
研究结果表明，一种新的降压策略不仅关注绝对 CVD 风险，而且关注严格降压治疗的 CVD 风险降低效果，可能在下一代个性化医疗中有用。通过应用研究中提出的高效益方法，可以有效地识别出不仅有患病风险而且对治疗高度敏感的个体，从而最大限度地提高整个人群的治疗效果。此外，考虑并向对治疗反应较差的个体提供替代有效治疗策略，有望导致有限医疗资源的适当分配和健康差异的减少。 “未来，重要的是在前瞻性研究中验证高效益方法的有效性，并进一步积累证据，”该研究小组表示。
消息来源：【医療NEWS Qlife Pro】高血圧に対するAI個別化医療「高ベネフィット・アプローチ」の有用性を提唱
网址：https://www.qlifepro.com/news/20230407/high-benefit-approach.html