人工智慧與精準醫學：應對心臟衰竭的複雜性
心臟衰竭的挑戰與流行病學轉變心臟衰竭是一種極為常見且衰弱性的疾病。儘管醫學已取得長足進步，但許多知名人物仍因此離世。心臟衰竭主要分為射出分率降低型（HFrEF）和射出分率保留型（HFpEF）。HFpEF 目前約佔美國所有心臟衰竭病例的 60%。它是一種難以理解的綜合徵，發病率不斷增加，缺乏明確的治療方法，並且具有高發病率和高死亡率。病患一旦因心臟衰竭住院，其生存率極低，僅約 30% 到 35%，與晚期肺癌相似。
在精準醫學和人工智慧出現之前，臨床醫學長期以來依賴啟發法（heuristics），這雖然有助於快速做出決策，但也容易導致認知偏見，例如過早下定論或錨定偏差。例如，過去數十年來，HFpEF 的診斷一直被錨定在 1980 年代早期對老年高血壓性肥厚型心肌病的描述上，認為它僅僅是左心室增厚且腔室小的僵硬心臟。
然而，當今的疾病表型已發生劇烈變化。由於人口結構、生活方式（如久坐）和環境的快速變化，加上肥胖和糖尿病的流行，HFpEF 已經演變為一種全身性綜合徵，而不僅僅是心臟疾病。由於風險因素和疾病發展的持續快速變化，治療方法可能在短短 10 到 20 年內失效。因此，人工智慧和機器學習在應對這種流行病學轉變中扮演著關鍵角色。
人工智慧在精準醫學中的五大功能
人工智慧在精準醫學領域有五個主要功能：
- 診斷 (Diagnosis)：實現自動化診斷，或針對 HFpEF 等常見或心臟澱粉樣變性等罕見疾病發出警報，以識別需要特定治療的患者。
- 自動化 (Automation)：使繁瑣任務自動化，例如在影像學或病理學中進行自動化測量，並大規模篩選臨床試驗患者。
- 分類 (Classification)：利用機器學習（例如非監督式學習）從異質性的臨床綜合徵中，發現具有生物學相關性和治療同質性的亞型。
- 治療 (Treatment)：開發個人化的治療演算法。
- 創新 (Innovation)：利用生成式人工智慧（Generative AI）進行快速原型設計和解決方案工程。
解析異質性：亞表型分析與機制探索
HFpEF 是一個極為異質性的「垃圾桶」綜合徵。為了尋找同質性的患者群體，研究人員使用了資料驅動的技術，如非監督式機器學習。
1. 影像學亞表型識別
研究人員利用深度學習和非監督式學習分析心臟超音波圖像（左心室的牛眼圖），這些圖譜顯示了心內膜纖維的運動模式。早期的嘗試效果不佳，但通過採用更簡化的特徵（將牛眼圖劃分為 100x100 的網格），最終成功地識別出了 10 個不同的分組，這些分組在訓練、驗證和測試數據集中均得到確認。這些集群內的患者在超音波上的左心室形態非常相似。
2. 臨床表型分組（Phenom Mapping）
另一項使用模型化聚類（Model-based Clustering）的表型映射研究，分析了數百名 HFpEF 患者的定量表型數據（包括超音波、心電圖、實驗室數據等）。結果確定了三個最簡潔的群組，它們具有不同的預後軌跡：
- 第一組：心臟重塑和功能障礙最輕，BNP（心臟衰竭血液測試指標）最低。
- 第二組：心臟鬆弛功能受損最嚴重，糖尿病患病率最高（被稱為免疫代謝綜合徵）。
- 第三組：心臟和電氣重塑最嚴重，腎功能障礙最多。 將此分組應用於一項臨床試驗的數據時發現，只有風險最低的表型亞組（第一組）從螺內酯治療中受益。
3. 從表型到分子機制
機器學習識別出的免疫代謝亞組（第二組）引發了進一步研究。利用機器學習對血清循環蛋白進行分析，發現了以 TNFR1（一種 TNF-alpha 受體）為中心的獨特炎症特徵。
進一步的研究聚焦於細胞黏附分子 ICAM1。研究顯示，在 HFpEF 患者中，心臟內皮細胞上的 ICAM1 顯著上調，會吸引白細胞並加劇炎症。研究還發現了一個名為 Khifi 的 ICAM1 變異體，該變異體在非洲裔族群中尤為普遍。擁有此變異體的人群血液中的 ICAM1 濃度更高，心臟衰竭風險也更高。該變異體與 TNF 受體相關聯，表明這可能是身體對 ICAM1 功能異常的炎症反應。
未來的方向
應對像 HFpEF 這樣的異質性綜合徵，未來的願景是實施持續學習的模型。這涉及對患者進行深度表型分析（包括影像學、活檢、血液測試和運動表型分析），然後利用機器學習進行分類。最終目標是進行表型特異性的治療試驗，將具有相似特徵的患者歸為一組並進行針對性治療。
此外，生成式人工智慧正在徹底改變研究效率。研究人員已經能夠在短短一週內使用生成式 AI 輔助的編程工具，快速創建出使用者友好的網路應用程式，用於分割 CT 或 MRI 影像中的器官（如腎臟），並輸出 3D 模型。這種能力極大地加快了結構特徵分析和原型設計。
人工智慧和機器學習雖然強大，但它們只是更進一步研究的起點，需要後續的常規調查來驗證發現，並闡明分子機制。如同心臟病學的先驅者早在 1985 年就預見到的，具有獨特臨床綜合徵的患者需要量身定制的精準醫學管理。
