对无嗜睡症状阻塞性睡眠呼吸暂停患者中 CPAP 对继发性心血管结局的个体化治疗效果

这对睡眠呼吸暂停患者为何重要

许多人夜间佩戴面罩来治疗阻塞性睡眠呼吸暂停（OSA），希望它也能保护心脏和血管。然而，大型临床试验往往难以显示持续气道正压通气（CPAP）能在整体上降低心肌梗死和中风的风险。本文提出了一个不同的问题：与其问 CPAP 是否对所有人都有益，不如利用现代数据工具来识别哪些具体患者会受益、哪些患者没有变化、以及哪些患者甚至可能受到损害？

常见的睡眠问题，不常见的心脏影响

OSA 是一种常见病，在睡眠中患者的气道反复变窄或闭合，导致短暂的呼吸暂停。这些事件通常用呼吸暂停-低通气指数（AHI）来计数。CPAP 通过缓慢吹气保持气道开放，能可靠地减少这些呼吸干扰并常常改善打鼾和睡眠质量等症状。观察性研究提示，规律使用 CPAP 可能还会降低心血管疾病风险，但大型随机对照试验并未证实在将患者平均在一起时存在明确的心脏保护作用。这种不一致提示 OSA 比单一的严重度评分更为复杂，具有相同 AHI 的人可能并不具备相同的心脏风险或对治疗的反应。

超越一刀切的单一测量

研究者使用了 SAVE 试验的数据，这是迄今最大的一项研究，旨在检验在已有心血管或脑血管疾病的中老年 OSA 患者中，向常规治疗中加入 CPAP 是否能预防心肌梗死、中风及相关事件。研究者没有简单地重复总体结果，而是探查熟悉的工具是否能揭示隐藏的亚组。他们根据 AHI 和 Framingham 风险评分（一种根据年龄、血压、胆固醇等因素估算心血管风险的标准计算器）将患者分为低、中、高三类。在这些传统分组中，CPAP 相较于常规治疗并未明显降低心血管事件，表明这些传统指标并不能很好地指示真正受益的人群。

用机器学习估计个体化治疗影响

为更深入地分析，团队应用了一种称为因果生存森林（causal survival forest）的机器学习方法。简单来说，该技术使用大量决策树来估算每个个体在有无 CPAP 时发生心血管事件的差异。模型利用了近 2,687 名试验参与者的 23 项基线特征，包括病史（如既往心脏手术和吸烟）、用药情况、睡眠研究中的氧合水平与心率模式以及健康问卷的回答。从这些输入中，模型生成了个体化的治疗效应评分——本质上是预测 CPAP 会对每个人的心血管结局有帮助、几乎无影响或可能有害。

谁受益、谁可能受损差异显著

当按照个体化评分对参与者进行排序并分为三等份时，差异显著。被预测最有可能受益的上三分之一，在被随机分配到 CPAP 组时，在保持免受重大心血管事件方面显示出大幅改善，无论是在原始随机化分析中，还是在聚焦于实际上规律使用 CPAP 的人群时。相反，被预测可能受害的下三分之一，在接受 CPAP 时发生此类事件的风险显著升高。中间三分之一的人则几乎没有差别。有趣的是，可能受益组在睡眠检测中常表现出较轻的呼吸中断，但生活质量评分较差且心率变异性较高，暗示他们的身体可能对睡眠改善更为敏感。可能受害组则有更多既往心肌梗死和血管手术史、呼吸暂停更严重、氧合水平略差，但其基线自报的生活质量反而更好。

重新思考 CPAP 对心脏的保护方式和时机

这些发现表明，CPAP 对心脏的影响并非统一为有益或中性；它在很大程度上取决于个体的初始健康和睡眠特征。对某些人，尤其是那些具有某些较轻的氧脱落模式和较差主观幸福感的人，CPAP 可能显著降低未来心脏问题的风险。对另一些具有长期或严重心脏病的人，消除反复的低氧事件反而可能消除某种自然适应，增加风险。该研究并未确证具体为何会发生这些情况，且该模型仍需在新的患者群体中验证后才能用于日常临床决策。但它提供了首批证据，表明先进的数据方法可以将患者区分为可能受益、无明显影响或可能受损的群体。在未来，此类精准工具或可帮助医生超越一刀切的治疗规则，将 CPAP 决策根据每个人独特的风险与收益平衡进行定制。

引用: Cohen, O., Al-Taie, Z., Kundel, V. et al. Individualized treatment effects of CPAP on secondary cardiovascular outcomes in non-sleepy obstructive sleep apnea patients. Commun Med 6, 257 (2026). https://doi.org/10.1038/s43856-026-01457-1

关键词: 阻塞性睡眠呼吸暂停, CPAP 治疗, 心血管风险, 精准医学, 机器学习