非酒精性脂肪性肝病与心血管疾病(CVD)风险增加相关，尽管确切机制尚不清楚。此外，新定义的代谢相关脂肪肝(MAFLD)和CVD风险之间的关系还没有得到充分的研究。数据驱动机器学习(ML)技术可能有助于发现MAFLD患者发生CVD最重要的危险因素。

近日，心血管代谢疾病领域权威杂志Cardiovasc Diabetol上发表了一篇研究文章，在这项观察性研究中，研究人员对MAFLD患者进行了亚临床动脉粥样硬化评估和血液生化分析。根据是否存在心血管疾病，将患者分为两组(定义为以下至少一种:冠状动脉疾病;心肌梗死;冠状动脉旁路移植术;卒中;颈动脉狭窄;下肢动脉狭窄)。

研究人员利用ML技术构建了一个模型，可以识别CVD风险最高的个体。研究人员利用多元Logistic回归分类器对通过单变量特征排序选择或使用主成分分析(PCA)提取最有鉴别性的患者参数进行操作。计算被调查分类器的受试者工作特征(ROC)曲线和ROC曲线下面积(AUC)，并使用最接近(0,1)准则的约登指数和联合方法指数从ROC曲线中提取最佳切点值。

191例MAFLD患者(平均年龄为58岁，标准差为12岁；46%为女性)，47例(25%)患者有CVD病史。最重要的临床变量包括高胆固醇血症、斑块评分和糖尿病持续时间。研究人员使用单变量特征排序提取的5个、10个和15个最具鉴别性的参数并用于拟合ML模型，其AUC分别为0.84(95%置信区间[CI]为0.77-0.90,p<0.0001)、0.86(95%CI为0.80-0.91,p<0.0001)和0.87(95%CI为0.82-0.92,p<0.0001)，而使用PCA提取的分类器拟合超过10个主成分，然后进行并行分析，其AUC为0.86(95%CI为0.81-0.91,p<0.0001)。对5个最具鉴别性特征的最佳模型正确识别了114/144(79.17%)低风险患者和40/47(85.11%)高风险患者。

由此可见，基于易获取的患者参数，ML方法在识别伴有CVD的MAFLD患者方面表现出了较高的性能。

原始出处：

Karolina Drożdż,.et al.Risk factors for cardiovascular disease in patients with metabolic-associated fatty liver disease: a machine learning approach.Cardiovasc Diabetol.2022.https://cardiab.biomedcentral.com/articles/10.1186/s12933-022-01672-9

Tags： Cardiovasc Diabetol：代谢相关脂肪肝患者心血管疾病的危险因素