基于机器学习的风险分层将射血分数保留型心力衰竭确定为肥厚型心肌病不良结局的独立预测因子

这项心脏研究为何重要

许多人把心力衰竭想象成心脏收缩乏力，但对一大部分患者而言，心脏的泵血功能看似正常却仍无法满足身体需要。这项研究关注的就是这类同时伴有心肌增厚的患者，即肥厚型心肌病。研究者通过随访数千名患者并运用现代数据工具，显示这种类型的心力衰竭既常见又危险，并且可以比以往更精确地预测——这些发现可能最终帮助医生将照护更有针对性地提供给最需要的人群。

增厚但在挣扎的心脏

肥厚型心肌病是一种遗传性疾病，心肌尤其是主要的泵血腔室异常增厚。尽管心脏的收缩（泵血）看起来仍然有力，但僵硬的心肌难以舒张和充盈。许多患者出现一种心力衰竭类型，影像学上测得的泵血强度看似正常，然而他们却出现气短、乏力或头晕等症状。本研究聚焦这种被称为射血分数保留型心力衰竭的模式，探讨在心肌增厚人群中它出现的频率以及对未来健康的含义。

研究对象与方法

研究团队分析了在中国三家大型医院十多年间治疗的2,651名肥厚型心肌病成年患者的病历。他们严格界定了哪些患者真正属于这种射血分数保留的心力衰竭，不仅依据症状，还结合超声显示的心脏僵硬、充盈异常和心房扩大等指标。近一半患者符合这些标准。为进行公平比较，研究者采用匹配技术，将每位受影响的患者与一位在年龄、合并症和心脏结构等方面相似但未患此类型心力衰竭的患者配对。

风险随严重程度上升

在数年的随访中，具有射血分数保留型心力衰竭的患者比其匹配对照发生更多不良事件——包括死亡或因心力衰竭加重住院。即便在调整了其他风险因素后，他们发生不良结局的可能性仍是对照组的两倍以上。研究者并未止步于简单的有无判定，而是采用了一套评分系统来归纳某人符合该心力衰竭模式的程度。评分位于高风险层级的人比低风险者表现明显更差，这支持了该病况存在一个连续谱系的观点，即负担越重风险越高。

血液信号与数据模式

研究者还考察了一种名为B型利钠肽的血液标志物，它反映了心脏所承受的应激程度。他们发现风险并非线性上升：该标志物小幅升高会增加一些风险，但当水平非常高时，不良结局的概率急剧上升。为捕捉此类复杂关系，团队构建了多种计算模型，包括随机森林模型，该模型表现最佳。当用可解释性技术对其进行解析时，突出的两个重要特征是：存在射血分数保留型心力衰竭和高水平的应激标志物，另加心律失常和肾功能问题也很关键。

对患者与治疗的意义

对患有肥厚型心肌病的人来说，这项研究表明即便泵血指标看似“正常”，仍存在的心力衰竭既常见又严重。这不只是某天感觉气短的问题；它反映了对增厚心肌的更深层次压力，强烈预测未来的住院和死亡风险。通过结合细致的临床评估、分级评分、灵敏的血液检测和可解释的机器学习，作者勾勒出一种更个性化的风险评估途径。经他院与他国的进一步验证后，这些工具或可帮助医生更早识别高风险患者、更加密切地监测并有针对性地调整治疗以预防最严重的结局。

引用: Zhang, W., Zhao, H., Tian, Z. et al. Machine learning–based risk stratification identifies heart failure with preserved ejection fraction as an independent predictor of adverse outcomes in hypertrophic cardiomyopathy. Sci Rep 16, 12885 (2026). https://doi.org/10.1038/s41598-026-46573-z

关键词: 肥厚型心肌病, 射血分数保留型心力衰竭, 心脏风险预测, B型利钠肽, 心脏病学中的机器学习