斯坦福大学领导的科学家团队开发了一种机器学习工具，可以分析电子医疗记录(EHR)，以识别可能患有家族性高胆固醇血症(FH)的个体，这是一种未被诊断的低密度脂蛋白(LDL)升高的遗传原因胆固醇，使患者患冠状动脉疾病的风险增加20倍。在单独的测试运行中，今天在npj数字医学中描述的分类器正确地识别了超过80%的病例 - 其阳性预测值(PPV) - 并且证明了99%的特异性。

该团队表示，分类器可以帮助标记最有可能患有FH的患者，以便他们和他们的家人可以进行进一步的基因检测。“从理论上讲，当有人进入高胆固醇或心脏病的诊所时，我们会运行这种算法，”斯坦福大学医学和生物医学数据科学副教授，MBBS博士Nigam Shah说。“如果他们被标记，这意味着有80%的可能性他们有FH。然后，那些少数人可以通过测序来确认诊断并立即开始降低LDL治疗。“Shah及其同事在一篇题为”使用卫生系统查找家族性高胆固醇血症的遗漏病例“的论文中报告了分类器的开发和评估。机器学习。“

作者解释说，家族性高胆固醇血症是一种常染色体显性遗传病，估计会影响250人中的大约1人，使其成为“最常见的病态单基因疾病之一”。患有FH的人携带突变，阻碍他们的身体清除有害的低密度脂蛋白胆固醇，这些胆固醇会聚集并堵塞动脉。基因突变有效地导致终生提高的LDL胆固醇水平，并且在没有干预的情况下，50%的患有FH的男性将在50岁时患心脏病，并且30%的女性将在60岁时患心脏病。

虽然早期开始降脂治疗可以显着降低与FH相关的动脉粥样硬化性心血管疾病的风险，但据估计，在美国，每10名FH患者中只有不到1人被诊断出来。斯坦福大学心血管医学助理教授约书亚·诺尔斯博士评论说：“我们认为，在美国，只有不到10%的患有FH的人确实知道自己患有FH。”

FH在家庭中运行强烈，因此识别一个具有该病症的个体意味着也可以筛选亲属，“这已被证明在降低家庭成员的过度发病率方面具有极高的成本效益”，研究人员补充道。“所以筛查FH患者的家庭成员非常重要，就像乳腺癌或任何其他遗传相关的疾病一样，”Shah说。

Shah指出，不幸的是，医院无法大规模对患者进行排序。“问题是，有人在心脏病诊所看到这种遗传病的可能性大约是90分之一，或100分之一，所以对每个人进行排序是没有意义的。

作为FH基金会FIND(旗帜，识别，网络，交付)FH计划的一部分，斯坦福大学领导的团队开发并验证了一种有监督的机器学习算法，以识别可能的FH病例。使用斯坦福大学FH诊所的数据，该团队对该算法进行了培训，以评估患者数据，包括其家族史，当前处方，血脂水平和实验室检测结果，以了解可能表明FH的因素。

Shah将此过程与垃圾邮件过滤器如何训练以识别垃圾邮件进行了比较。垃圾邮件过滤器不仅应用程序员根据(例如)在电子邮件中查找哪些单词而应用的规则。相反，他们通过评估实际的电子邮件来了解标记为可疑的内容。类似地，FH算法通过查看真实患者的EHR记录来学习。

该团队首先使用来自197名FH患者和另外6590名没有FH的患者的EHR记录测试他们训练的算法，这些记录被保存在斯坦福医疗保健系统内。从该算法标记的那些患者中，该团队回顾了100个患者图表，推断该算法检测到患有FH且准确率为88%的患者。“最后，你会得到一个排名，显示谁最有可能患上这种疾病，”沙阿说。“排名靠前的人有最高的可能性，当你向底部移动时，可能性逐渐减少。”

然后，他们使用另外466名FH患者的EHR和Geiseinger医疗系统内的5000名匹配的非病例进行了第二次外部验证。“预测结果准确率为85%，我们知道许多Geisinger患者已经通过基因测序确诊了FH诊断，”Shah说。“这就是我们如何说服自己，是的，这确实有效。”

该团队的计算表明，分类器比通用基因测试更具成本效益。“......与通用基因检测或基于临床标准的筛查的实施相比，基于EHR的机器学习检测FH的经济学非常有利，可以大大提高卫生系统找到风险患者的能力，”他们写。“我们认为使用有监督的学习来建立一个分类器，找到未确诊的FH病例，这是重要的机器学习的一个引人注目的例子......应用广泛，使用我们的分类器筛选使用EHR可以识别成千上万未确诊的患有FH和铅的患者更有效的治疗和家庭筛查。“

研究人员承认，虽然该软件可以帮助改善FH诊断，但它并不能识别所有病例。“并非一切都可以通过算法解决，”Shah评论道。他们还指出，他们的工作确实有一定的局限性，并且预计，随着大多数机器学习方法的发展，包括更多的训练数据可能会进一步改进分类器。“随着新诊断病例的累积，我们预计会不断完善我们的分类器，”该团队表示。

作为下一步，研究人员正在与FH基金会合作，在斯坦福医疗保健和其他地点的临床环境中建立算法。“我们还在思考如何与FH基金会合作，实施家庭筛查网络，以接触更多可能患有该疾病而不知道疾病的患者，”Shah指出。