人工智能构建慢性肾脏病心血管风险预测模型研究进展.pdf

·2668·中华医学杂志2024年7月23日第104卷第28期NatlMedJChina,July23,2024,Vol.104,No.28

·综述·

人工智能构建慢性肾脏病心血管风险预测模型研究进展

11122

祝贺刘芳周禹郑颖陈香美

12

广东药科大学临床医学院，广州510006；解放军总医院第一医学中心肾脏病医学部

肾脏疾病全国重点实验室国家慢性肾病临床医学研究中心肾脏疾病研究北京市重点

实验室，北京100853

通信作者：陈香美，Email：xmchen301126.com

【摘要】慢性肾脏病是全球重大疾病负担，心血管病已成为慢性肾脏病最常见且最严重的危害

之一，为患者的生活质量和生命安全带来巨大威胁，这凸显了心血管风险管理在慢性肾脏病患者中的

重要性。人工智能技术的发展及其在心血管病领域的逐步应用将有望助力应对该挑战。本文旨在对

基于机器学习的人工智能技术在慢性肾脏病心血管风险预测方面的研究进行系统回顾，阐述人工智

能在该领域的研究进展并展望未来的发展方向。

【关键词】心血管疾病；慢性肾脏病；人工智能；预测模型

基金项目：国家自然科学基金82030025）；首都医学发展科研基金

（Z221100007422121）；解放军总医院新秀人才项目（2019XXXBD‑005、2019XXXJSYX01）；国家中医药

管理局高水平中医药重点学科（zyyzdxk‑2023310）

慢性肾脏病（CKD）影响全球10%以上的人口，是当今重结为“人工智能是研究、开发用于模拟、延伸和扩展人的智

大的疾病负担。CKD患者的心血管病发病率是普通人群的能的理论、方法、技术及应用系统的一门新的技术科学”。

10倍［1］当前，人工智能技术已进入众多医疗领域，全面涵盖疾病的

。改善全球肾脏病预后组织（KDIGO）指南指出CKD

是心血管病的危险因素，增加了心血管病的发病风险［2］，因诊断、治疗和预防［5‑6］。人工智能研究有多个分支，包括专

此，有效地预测和管理CKD的心血管风险至关重要。然而，家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然

长期以来一直缺乏CKD患者心血管风险早期的预测和管理语言处理、推荐系统等［7］。机器学习主要包括监督学习、非

工具。随着人工智能技术的迅猛发展，近年来已有研究开始监督学习和深度学习，监督学习通过已标记的数据训练算

探索人工智能在CKD心血管风险预测中的潜在应用价值，为法，学习输入和输出之间的映射关系，常见算法包括支持向

临床早期精准诊疗提供了新方向。本文旨在对人工智能技量机、朴素贝叶斯等［8‑11］。非监督学习使用未标记的数据来

术在CKD心血管风险预测方面的研究进行系统回顾，阐述人发现数据中的模式和结构，包括聚类、降维和关联规则挖

工智能在该领域的研究进展并展望未来的发展方向。掘。深度学习算法通过对输入数据进行特征学习和多层次

一、人工智能概述特征提取，能够捕捉数据集中的复杂依赖关系，在图像识

在20世纪40年代，人们开始探索计算机能否模拟人类别、语音识别和自然语言处理中实现更准确地分类、预测和

的智能，艾伦·图灵提出了著名的图灵测试用于评估机器是决策，包括卷积神经网络（CNN）和深度神经网络（DNN）

否具备智能［3］。1956年，“达特茅斯会议”标志着人工智能等［12‑14］。机器学习模型以海量的临床大数据为基石，结合

领域的正式诞生［