למידת מכונה מובןנית לחיזוי סיכון למחלות לב וכלי דם בטווח הארוך במבוגרים סינים בגיל הביניים ובני גיל מבוגר: מחקר קוהורטתי ארוך־טווח של 9 שנים עם מחשבון סיכונים מבוסס רשת

מדוע חיזוי סיכון לב חשוב

מחלות לב וכלי דם הן כיום גורם המוות המוביל בסין, ובפרט בקרב אנשים בגיל הביניים ובגיל המבוגר. עם זאת, רוב הכלים שרופאים משתמשים בהם להערכת הסיכון העתידי למחלות לב ושבץ פותחו באוכלוסיות מערביות ואינם מתאימים היטב למבוגרים סינים. מחקר זה בדק האם שיטות מודרניות של אינטיליגנציה מלאכותית יכולות להציע הערכות סיכון ארוכות טווח מדויקות יותר, ועדיין ברורות, המותאמות למבוגרים סיניים בני 45 ומעלה.

מבט ארצי על לבבות מזדקנים

החוקרים השתמשו בנתונים מהסקר China Health and Retirement Longitudinal Study, סקר גדול מתמשך שעוקב אחר עשרות אלפי מבוגרים החיים בקהילה ברוב המחוזות. מהמשאב הזה בחרו 8,080 אנשים שגילם היה לפחות 45 ונמצאו ללא מחלת לב או כלי דם בתחילת המחקר ב־2011. משתתפים אלה נבדקו במשך תשע שנים כדי לתעד מקרי לב ושבץ חדשים. הצוות התחיל עם 77 פריטי מידע שקל לאספם במרפאות, כולל גיל, אזור מגורים, מחלות קודמות, תסמיני מצב רוח, הרגלי שינה, מדידות גוף ותוצאות בדיקות דם. באמצעות בדיקות סטטיסטיות סטנדרטיות צמצמו זאת ל־11 גורמים מרכזיים אשר גם מעשיים למדידה וגם קשורים בחוזקה לאירועים קרדיווסקולריים מאוחרים יותר.

לימוד מחשבים לזהות דפוסים

בהמשך בחנו החוקרים עשר שיטות חיזוי ממוחשבות שונות, החל מהרגרסיה הלוגיסטית המסורתית ועד גישות גמישות יותר כגון יערות אקראיים, חיזוק גרדיאנטי ורשתות עצביות. הם חלקו את המשתתפים לקבוצת אימון, שבה בנו כל מודל, וקבוצת ולאידציה נפרדת, שבה בדקו עד כמה המודלים עובדים על אנשים חדשים. המדד לביצועים כלל עד כמה כל שיטה הבחינה במדויק בין אלה שהתפתחו להם מחלות לב וכלי דם לאלה שנשארו בריאים, עד כמה הסיכונים החזויים התאימו לשיעורי האירועים האמיתיים, ועד כמה התחזיות היו שימושיות בהחלטות ממשיות לגבי מי צריך לקבל מאמצי מניעה נוספים.

אילו גורמים יומיומיים השפיעו הכי הרבה

שיטת היער האקראי (random forest) יצאה כמובילה, והשיגה דיוק חזק והאיזון הטוב ביותר בין לכידת אנשים בסיכון גבוה לבין הימנעות מהם־הודעות שווא. כדי להבהיר את פעולת השיטה, השתמש הצוות בטכניקת הסבר בשם SHAP, המייחסת לכל גורם סיכון תרומה לחיזוי הסופי. הניתוח הזה הראה שהיקף המותן היה הגורם המשפיע היחיד הכי משמעותי: כל סנטימטר נוסף היקף מותן הגדיל במידה ניכרת את הסיכון לתשע שנים, מה שמבליט את חשיבות השומן הבטני באוכלוסייה זו. רמות טריגליצרידים גבוהות, גיל מבוגר והיסטוריה של לחץ דם גבוה היו גם הם מניעים עיקריים של סיכון, בעוד שרמות גבוהות של כולוסטרול HDL המגן קשורות בסיכון נמוך יותר. מעניין שמצב רוח ודפוסי שינה נשאו מידע עצמאי: ציוני דיכאון גבוהים ושעות שינה בלילה מעטות מדי או רבות מדי הגביהו במידה את הסיכון גם לאחר התחשבות בגורמים רפואיים מסורתיים.

מהמודל המחקרי לכלי יומיומי

מכיוון שכל 11 המשתנים החזויים זמינים באופן שגרתי בטיפול ראשוני, התרגם הצוות את המודל הטוב ביותר למחשבון פשוט מבוסס רשת. המשתמשים מזינים גיל, אזור, פריטי היסטוריה רפואית נבחרים, היקף מותן, שתי מדידות שומן דם נפוצות, ציון דיכאון ומשך שינה רגיל. הכלי מחזיר אומדן של הסיכוי של אותו אדם לפתח מחלות לב וכלי דם במהלך תשע השנים הבאות. המחברים מדגישים שמחשבון זה נועד לתמוך, לא להחליף, בשיקול הדעת המקצועי ויש להשתמש בו לצד הערכה קלינית מלאה, משאבים מקומיים והעדפות המטופל.

מה משמעות הדבר עבור מטופלים ורופאים

המחקר מראה כי למידת מכונה שעוצבה והוסברה בקפידה יכולה לספק הערכות סיכון ארוכות טווח למחלות לב ושבץ מדויקות יותר למבוגרים סינים בגיל הביניים ובגיל המבוגר מאשר נוסחאות מסורתיות. הוא גם מדגיש כי מה שקורה בקו המותן, בשומני הדם ובשגרת השינה ומצב הרוח היומיומי — הכל משפיע על הבריאות הקרדיו־וסקולרית העתידית. על ידי אריזה של תובנות אלה במחשבון מקוון חינמי, העבודה מציעה למרפאות קהילתיות ולאנשים פרטיים דרך זולה לזהות אנשים בסיכון גבוה מוקדם יותר ולהנחות אסטרטגיות מניעה מותאמות, כאשר ההחלטות הסופיות מונחות בידי הצוות הקליני.

ציטוט: Zhu, XY., Li, W., Pan, XY. et al. Explainable machine learning for long-term cardiovascular disease risk prediction in Chinese middle-aged and older adults: a 9-year longitudinal cohort study with web-based risk calculator. Sci Rep 16, 14998 (2026). https://doi.org/10.1038/s41598-026-45297-4

מילות מפתח: מחלות לב וכלי דם, למידת מכונה, חיזוי סיכון, היקף מותן, מבוגרים סינים