Репортаж от Wedoany，Исследователи из клиники Майо (Mayo Clinic) и других учреждений разработали скрининговую модель на основе искусственного интеллекта (ИИ), использующую 30-летние данные рутинных электронных медицинских карт (ЭМК) для повышения выявляемости первичного альдостеронизма. Первичный альдостеронизм является одной из основных причин гипертонии и часто остается недиагностированным, увеличивая риск сердечно-сосудистых осложнений у пациентов.
Первичный альдостеронизм возникает, когда надпочечники (небольшие железы, расположенные на верхушках почек) выделяют избыточное количество гормона альдостерона, что приводит к дисбалансу уровней натрия и калия в организме. По сравнению с пациентами с первичной гипертонией, такие пациенты подвержены более высокому риску сердечно-сосудистых заболеваний, включая инсульт, ишемическую болезнь сердца, фибрилляцию предсердий, сердечную недостаточность и заболевания почек.
Ведущий исследователь, доктор медицины Фрэнк Ли из клиники Майо (Mayo Clinic) в Рочестере, штат Миннесота, отметил, что истинная распространенность первичного альдостеронизма неизвестна, но, по оценкам, им страдают до 20% пациентов с гипертонией. Поскольку существуют эффективные методы лечения, ранняя диагностика может предотвратить будущие осложнения и снизить затраты на здравоохранение. Исследование будет представлено в субботу на ежегодном собрании Эндокринологического общества (Endocrine Society) ENDO 2026 в Чикаго, штат Иллинойс.
Эндокринологическое общество (Endocrine Society) в своем клиническом руководстве «Первичный альдостеронизм: Клиническое руководство Эндокринологического общества» (Primary Aldosteronism: An Endocrine Society Clinical Practice Guideline), опубликованном в 2025 году, уже призвало к более широкому скринингу.
Исследователи разработали модель скрининга на основе ИИ, используя платформу клиники Майо (Mayo Clinic Platform) — федеративную инфраструктуру с мультимодальными клиническими данными, обеспечивающую конфиденциальность. Модель проанализировала деидентифицированные данные более 22 000 пациентов, собранные в период с 1986 по 2025 год. Переменные включали возраст, пол, диагнозы по МКБ, связанные с гипертонией и гипокалиемией, показатели систолического артериального давления, уровень калия в крови, а также назначение антигипертензивных препаратов или препаратов калия. Затем модель была протестирована на данных 225 887 взрослых пациентов с гипертонией. В исследовании использовалась архитектура XGBoost, тип библиотеки машинного обучения, для прогнозирования риска развития первичного альдостеронизма у пациента за 12 месяцев до постановки диагноза.
Ли отметил, что модель демонстрирует осуществимость подхода к скринингу на основе ИИ. Когда исследователи установили порог для выявления групп низкого риска, модель правильно пометила более 90% случаев первичного альдостеронизма, при этом уровень пропущенных диагнозов составил менее 10%. При такой настройке около двух третей участников исследования были определены как кандидаты на дальнейший скрининг.
Ли добавил, что при тестировании модели на пациентах с гипертонией, которые никогда не проходили скрининг на первичный альдостеронизм, она выявила около двух третей пациентов, нуждающихся в дальнейшем обследовании, и отметил, что клиницистам всегда было трудно эффективно проводить скрининг этого заболевания, в то время как данный инструмент может предложить решение на основе рутинной информации из медицинских карт.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
