DOI: https://doi.org/10.1017/cts.2026.10722
PMID: https://pubmed.ncbi.nlm.nih.gov/41960597
تاريخ النشر: 2026-01-01
المؤلف: Lei Zhang وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية
نظرة عامة
تستكشف هذه الدراسة توقع خطر الإصابة بمرض القلب التاجي (CHD) لدى المرضى الذين يعانون من تصلب الشرايين السباتية، مع معالجة قيود نماذج الخطر الحالية من حيث الخصوصية وقابلية التفسير. تم إجراء تحليل استرجاعي لـ 487 مريضًا (191 مصابًا بـ CHD و296 بدون) ، وجمع 38 متغيرًا ديموغرافيًا وسريريًا وكيميائيًا حيويًا. حددت الانحدار LASSO ستة متنبئين رئيسيين، وتم تطوير وتقييم سبعة نماذج تعلم آلي باستخدام مقاييس مثل المساحة تحت منحنى التشغيل للمتلقي (AUC) وتحليل منحنى القرار (DCA).
ظهر نموذج الانحدار اللوجستي كالأكثر فعالية، حيث حقق AUC قدره 0.827 وPRC-AUC قدره 0.752، مما يدل على قوة التعميم والمعايرة. كشفت تحليل SHAP أن العمر وضغط الدم الانبساطي كانا من أهم المتنبئين، بما يتماشى مع معاملات النموذج. أشار DCA إلى فائدة سريرية صافية متفوقة لنموذج الانحدار اللوجستي عبر عتبات احتمالية مختلفة. في النهاية، تستنتج الدراسة أن نموذج الانحدار اللوجستي المكون من ستة متغيرات يقدم نهجًا دقيقًا وقابلًا للتفسير لتوقع خطر الإصابة بـ CHD لدى المرضى الذين يعانون من تصلب الشرايين السباتية، داعية إلى دمجه في استراتيجيات إدارة المخاطر الشخصية.
مقدمة
تسلط مقدمة ورقة البحث الضوء على التأثير العالمي الكبير لمرض القلب التاجي (CHD)، الذي يمثل حوالي 16% من جميع الوفيات في جميع أنحاء العالم. يرتبط تطور مرض القلب التاجي ارتباطًا وثيقًا باللويحات التصلبية والالتهاب الوعائي، مما يتفاقم بسبب عوامل الخطر مثل ارتفاع ضغط الدم، والخلل الدهني، والسكري. من الجدير بالذكر أن الأفراد الذين يعانون من تصلب الشرايين السباتية يواجهون زيادة في خطر الإصابة بـ CHD بمعدل 2-3 مرات مقارنة بالسكان العامين، مما يبرز الحاجة إلى تقييم مخاطر مستهدف وتدخل مبكر في هذه المجموعة. تركز أدوات تقييم المخاطر التقليدية، مثل درجة خطر فرامينغهام وSCORE2، بشكل أساسي على عوامل الخطر التقليدية ولكن غالبًا ما تتجاهل العلامات المحددة للمرض والتفاعلات المعقدة، مما يؤدي إلى تقليل دقة التنبؤ، خاصة في المجموعات المتخصصة.
لمعالجة هذه القيود، تقترح الدراسة تطوير والتحقق من صحة نماذج تعلم الآلة (ML) لتوقع خطر الإصابة بـ CHD بشكل خاص لدى المرضى الذين يعانون من تصلب الشرايين السباتية. باستخدام 38 متغيرًا مرشحًا، تستخدم الدراسة الانحدار LASSO لاختيار الميزات لتعزيز بساطة النموذج وقابلية التعميم. يتم مقارنة أداء سبعة خوارزميات تعلم آلي، بما في ذلك الانحدار اللوجستي، والغابة العشوائية، وXGBoost، باستخدام مقاييس مثل المساحة تحت منحنى التشغيل للمتلقي (AUC) وتحليل منحنى القرار. بالإضافة إلى ذلك، تتضمن الدراسة منهجيات الذكاء الاصطناعي القابل للتفسير (XAI)، وتحديدًا تحليل SHAP، لتحسين قابلية تفسير النموذج وتسهيل التطبيق السريري. في النهاية، تهدف الدراسة إلى تزويد الأطباء بأداة موثوقة لتحديد مرضى CHD ذوي المخاطر العالية، مما يمكّن استراتيجيات الوقاية والإدارة المخصصة.
طرق
توضح قسم “الطرق” في ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في أسئلة البحث. استخدمت الدراسة نهجًا كميًا، مع دمج التحليلات الإحصائية لتقييم البيانات المجمعة من تجارب مختلفة. تضمنت المنهجيات المحددة تجارب مختبرية محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لملاحظة تأثيراتها على النتائج ذات الصلة.
شملت جمع البيانات مقاييس نوعية وكمية، مما يضمن فهمًا شاملاً للظواهر قيد الدراسة. تضمنت الأدوات الإحصائية المطبقة تحليل الانحدار واختبار الفرضيات، مما سهل تحديد العلاقات المهمة بين المتغيرات. كما يتناول القسم طرق أخذ العينات المستخدمة لضمان بيانات تمثيلية، بالإضافة إلى معايير اختيار المشاركين، مما يعزز من صحة وموثوقية النتائج. بشكل عام، تم تصميم الطرق المستخدمة بدقة لدعم أهداف البحث وتقديم رؤى قوية حول الآليات الأساسية التي يتم التحقيق فيها.
نتائج
تشير النتائج إلى أن نموذج الانحدار اللوجستي تفوق على نماذج التجميع الأكثر تعقيدًا، مثل XGBoost، التي أظهرت فرط التكيف بشكل كبير على الرغم من تحقيق دقة تدريب عالية. تتماشى هذه النتيجة مع قاعدة أوكام، مما يشير إلى أن النماذج الأبسط غالبًا ما تكون أكثر فعالية لمجموعات البيانات ذات الحجم المعتدل والأبعاد المنخفضة إلى المعتدلة للميزات. يبرز فرط التكيف الملحوظ في نماذج XGBoost والغابة العشوائية ضرورة التركيز على القابلية للتطبيق في العالم الحقيقي بدلاً من الأداء التدريبي فقط.
كانت الميزات الستة التي تم تحديدها من خلال طريقة LASSO قابلة للتفسير بيولوجيًا، حيث كان العمر هو المتغير الأكثر تأثيرًا وفقًا لتحليل SHAP. من الجدير بالذكر أن القيمة السلبية لـ SHAP للعمر في بعض الحالات، مثل العينة 17، تشير إلى علاقات غير خطية محتملة في المرضى الأكبر سنًا الذين يعانون من تصلب الشرايين السباتية. بالإضافة إلى ذلك، فإن العلاقة العكسية بين ضغط الدم الانبساطي وخطر الإصابة بمرض القلب التاجي (CHD) في هذه المجموعة تتناقض مع دراسات السكان العامة، ربما بسبب الخصائص الديناميكية الدموية الفريدة للأفراد الذين يعانون من تضيق الشرايين السباتية. تدعم العلامات الكيميائية الحيوية، بما في ذلك ارتفاع مستوى الكرياتينين، والهوموسيستين، ومدة زمن التخثر، مصداقية النموذج من خلال ربط هذه العوامل بخلل وظيفي في البطانة، والإجهاد التأكسدي، واضطرابات التخثر، على التوالي، والتي تتعلق بتسبب مرض القلب التاجي في تصلب الشرايين السباتية.
مناقشة
في هذه الدراسة، تم إجراء تحليل استرجاعي مقطعي على 487 مريضًا بالغًا تم تشخيصهم بتصلب الشرايين السباتية لتوقع مرض القلب التاجي (CHD) باستخدام نماذج تعلم الآلة (ML). تم تقسيم المجموعة إلى مجموعة CHD (n = 191) ومجموعة غير CHD (n = 296)، مع جمع البيانات من السجلات الطبية الإلكترونية. تم تحديد ستة متنبئين رئيسيين – العمر، ومؤشر كتلة الجسم (BMI)، وضغط الدم الانبساطي، ومدة زمن التخثر (TT)، والكرياتينين، والهوموسيستين – من خلال الانحدار LASSO. تم اختيار نموذج الانحدار اللوجستي، الذي أظهر أداءً تنبؤيًا قويًا وقابلية للتفسير، كنموذج نهائي، متفوقًا على خوارزميات التجميع الأكثر تعقيدًا في هذه المجموعة المحددة من المرضى.
تسلط النتائج الضوء على أهمية النماذج الأبسط في الإعدادات السريرية، خاصةً للأفراد الذين يعانون من تصلب الشرايين السباتية، حيث قدم نموذج الانحدار اللوجستي فوائد سريرية صافية متسقة عبر عتبات احتمالية مختلفة، كما هو موضح من خلال تحليل منحنى القرار (DCA). بالإضافة إلى ذلك، تؤكد الدراسة على الأهمية السريرية لـ TT كمتنبئ، مما يشير إلى دوره المحتمل في تقدم لويحات الشرايين وCHD. من خلال استخدام تحليل SHAP، تقدم الدراسة أيضًا رؤى حول مساهمة كل متغير في تصنيف المخاطر، مما يعزز من شفافية النموذج ويسهل قبوله في الممارسة السريرية. بشكل عام، يجعل الاعتماد على المتغيرات السريرية التي يتم جمعها بشكل روتيني نموذج الانحدار اللوجستي أداة عملية لتقييم خطر الإصابة بـ CHD في هذه المجموعة.
قيود
تقدم الدراسة عدة قيود قد تؤثر على صحة وملاءمة نتائجها. أولاً، يثير التصميم الاسترجاعي أحادي المركز مخاوف بشأن تحيز الاختيار ويقيد القابلية للتعميم للنتائج على السكان الأوسع. بالإضافة إلى ذلك، قد يؤدي استخدام تقدير المتوسط للتعامل مع البيانات المفقودة إلى تقدير غير دقيق للتباين؛ يجب أن تأخذ الأبحاث المستقبلية في الاعتبار استخدام تقنيات أكثر قوة، مثل التقدير المتعدد.
علاوة على ذلك، كان استبعاد الدراسة لمتنبئين إضافيين موصى بهم من قبل الإرشادات القلبية الرئيسية – مثل التاريخ العائلي لمرض القلب التاجي المبكر (CHD)، والنشاط البدني، وبروتين سي التفاعلي (CRP)، والليبوبروتين (أ)، والأبوليبوبروتين B – ضروريًا بسبب قيود توفر البيانات في العالم الحقيقي، والتي شملت تسجيل غير متسق ومعدلات عالية من الفقد. بينما تم تطبيق إجراءات اختيار الميزات القياسية للاحتفاظ فقط بالمتنبئين المستقرين الذين تم تحديدهم من خلال التحليل الأحادي والانحدار LASSO، قد يكون لغياب عوامل أخرى ذات صلة، بما في ذلك تاريخ الأدوية، وشكل لويحات الشرايين، والامتثال للعلاج، تأثير على أداء النموذج التنبؤي. أخيرًا، لا يزال التحقق من صحة النموذج في مجموعات خارجية قيد الانتظار، مما يبرز الحاجة إلى دراسات مستقبلية متعددة المراكز قبل التنفيذ السريري.
DOI: https://doi.org/10.1017/cts.2026.10722
PMID: https://pubmed.ncbi.nlm.nih.gov/41960597
Publication Date: 2026-01-01
Author(s): Lei Zhang et al.
Primary Topic: Artificial Intelligence in Healthcare
Overview
This study investigates the prediction of coronary heart disease (CHD) risk in patients with carotid atherosclerosis, addressing the limitations of existing risk models in specificity and interpretability. A retrospective analysis of 487 patients (191 with CHD and 296 without) was conducted, collecting 38 demographic, clinical, and biochemical variables. LASSO regression identified six key predictors, and seven machine learning models were developed and evaluated using metrics such as area under the receiver operating characteristic curve (AUC) and decision curve analysis (DCA).
The logistic regression model emerged as the most effective, achieving an AUC of 0.827 and a PRC-AUC of 0.752, demonstrating strong generalizability and calibration. SHAP analysis revealed that age and diastolic blood pressure were the most significant predictors, consistent with the model’s coefficients. The DCA indicated a superior clinical net benefit for the logistic regression model across various probability thresholds. Ultimately, the study concludes that a six-variable logistic model offers an accurate and interpretable approach for CHD risk prediction in patients with carotid atherosclerosis, advocating for its integration into personalized risk management strategies.
Introduction
The introduction of the research paper highlights the significant global impact of coronary heart disease (CHD), which accounts for approximately 16% of all deaths worldwide. The development of CHD is closely associated with atherosclerotic plaques and vascular inflammation, exacerbated by risk factors such as hypertension, dyslipidemia, and diabetes. Notably, individuals with carotid atherosclerosis face a 2-3-fold increased risk of developing CHD compared to the general population, emphasizing the need for targeted risk assessment and early intervention in this group. Traditional risk assessment tools, like the Framingham Risk Score and SCORE2, primarily focus on conventional risk factors but often overlook disease-specific markers and complex interactions, leading to reduced predictive accuracy, particularly in specialized cohorts.
To address these limitations, the study proposes the development and validation of machine learning (ML) models to predict CHD risk specifically in patients with carotid atherosclerosis. Utilizing 38 candidate variables, the research employs LASSO regression for feature selection to enhance model parsimony and generalizability. The performance of seven ML algorithms, including Logistic Regression, Random Forest, and XGBoost, is compared using metrics such as area under the receiver operating characteristic curve (AUC) and decision curve analysis. Additionally, the study incorporates Explainable AI (XAI) methodologies, specifically SHAP analysis, to improve model interpretability and facilitate clinical application. Ultimately, the research aims to provide clinicians with a reliable tool for identifying high-risk CHD patients, thereby enabling tailored prevention and management strategies.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research questions. The study utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled laboratory experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved both qualitative and quantitative measures, ensuring a comprehensive understanding of the phenomena under study. The statistical tools applied included regression analysis and hypothesis testing, which facilitated the identification of significant relationships among the variables. The section also details the sampling methods used to ensure representative data, as well as the criteria for participant selection, thereby enhancing the validity and reliability of the findings. Overall, the methods employed were rigorously designed to support the research objectives and provide robust insights into the underlying mechanisms being investigated.
Results
The results indicate that a logistic regression model outperformed more complex ensemble models, such as XGBoost, which demonstrated significant overfitting despite achieving high training accuracy. This finding aligns with Occam’s razor, suggesting that simpler models are often more effective for datasets with moderate size and low to moderate feature dimensionality. The overfitting observed in XGBoost and Random Forest models highlights the necessity of focusing on real-world applicability rather than solely on training performance.
The six features identified through the LASSO method were biologically plausible, with age being the most influential variable according to SHAP analysis. Notably, the negative SHAP value for age in certain cases, such as Sample 17, suggests potential nonlinear relationships in older patients with carotid atherosclerosis. Additionally, the inverse relationship between diastolic blood pressure and coronary heart disease (CHD) risk in this cohort contrasts with general population studies, possibly due to the unique hemodynamic characteristics of individuals with carotid stenosis. Biochemical markers, including elevated creatinine, homocysteine, and prolonged thrombin time, further support the model’s credibility by linking these factors to endothelial dysfunction, oxidative stress, and coagulation abnormalities, respectively, which are relevant to the pathogenesis of CHD in carotid atherosclerosis.
Discussion
In this study, a retrospective cross-sectional analysis was conducted on 487 adult patients diagnosed with carotid atherosclerosis to predict coronary heart disease (CHD) using machine learning (ML) models. The cohort was divided into a CHD group (n = 191) and a non-CHD group (n = 296), with data collected from electronic medical records. Six key predictors—age, body mass index (BMI), diastolic blood pressure, thrombin time (TT), creatinine, and homocysteine—were identified through LASSO regression. The logistic regression model, which demonstrated strong predictive performance and interpretability, was selected as the final model, outperforming more complex ensemble algorithms in this specific patient population.
The findings highlight the importance of simpler models in clinical settings, particularly for individuals with carotid atherosclerosis, where the logistic regression model provided consistent net clinical benefits across various threshold probabilities, as indicated by decision curve analysis (DCA). Additionally, the study emphasizes the clinical relevance of TT as a predictor, suggesting its potential role in the progression of carotid plaque and CHD. By employing SHAP analysis, the study also offers insights into the contribution of each variable to risk stratification, enhancing the model’s transparency and facilitating its acceptance in clinical practice. Overall, the logistic regression model’s reliance on routinely collected clinical variables makes it a practical tool for CHD risk assessment in this population.
Limitations
The study presents several limitations that may affect the validity and applicability of its findings. Firstly, the retrospective single-center design raises concerns about selection bias and restricts the generalizability of results to wider populations. Additionally, the use of mean imputation for handling missing data may lead to an underestimation of variability; future research should consider employing more robust techniques, such as multiple imputation.
Moreover, the study’s exclusion of additional predictors recommended by major cardiovascular guidelines—such as family history of premature coronary heart disease (CHD), physical activity, C-reactive protein (CRP), lipoprotein(a), and apolipoprotein B—was necessitated by constraints in real-world data availability, which included inconsistent recording and high rates of missingness. While standardized feature selection procedures were applied to retain only stable predictors identified through univariate analysis and LASSO regression, the absence of other relevant factors, including medication history, carotid plaque morphology, and treatment adherence, may have impacted the model’s predictive performance. Lastly, the model’s validation in external cohorts remains pending, highlighting the need for prospective multicenter studies prior to clinical implementation.