Calling for a new Framingham score: Is machine learning in CV risk assessment the key for improved outcome prediction?

ในอนาคตเทคโนโลยีต่าง ๆ จะพัฒนาไปอย่างก้าวกระโดด โดยเฉพาะอย่างยิ่ง ในเรื่อง Machine Learning (ML) (ระบบที่สามารถเรียนรู้ได้จากตัวอย่างด้วยตนเองโดยปราศจากการป้อนคำสั่งของโปรแกรมเมอร์) ดังนั้น ในการพยากรณ์โอกาสเกิดเหตุการณ์ใด ๆ ในอนาคตจะสามารถถูกทำนายได้ง่ายขึ้นหากมีข้อมูลที่นำเข้ามากเพียงพอ อย่างไรก็ตาม สิ่งหนึ่งที่ต้องครุ่นคิดให้ดี คือ ML ยังไม่สามารถระบุปัญหาใด ๆ ขึ้นมาได้ด้วยตัวมันเอง ยังคงต้องอาศัยทักษะของมนุษย์ในการคิดอย่างยืดหยุ่นและระบุปัญหาพร้อมกำหนดแนวทางการจัดการคร่าว ๆ ในปัจจุบันมีการกล่าวถึงการนำ ML เข้ามาช่วยในการทำนายความเสี่ยงในการเกิดโรคหัวใจและหลอดเลือด ทั้งนี้ เพื่อให้ได้ข้อมูลที่ชัดเจน ถูกต้อง และสามารถนำไปใช้ได้จริงมากที่สุด Nakanishi และคณะ ได้ทำการวิจัยเพื่อประเมินว่าหากมีการให้ข้อมูลแก่ ML มากพอ รอบด้าน ML จะสามารถทำนายความเสี่ยงในการเกิดโรคหัวใจและหลอดเลือดได้เป็นอย่างไร ตัวเปรียบเทียบที่ใช้ในงานวิจัยนี้ ได้แก่ coronary artery calcium (CAC) Agatston scoring และ clinical data ต่าง ๆ งานวิจัยครั้งนี้มีอาสาสมัครที่เข้าร่วมการวิจัย 66,636 ราย เป็น asymptomatic subjects (mean age 54 ± 11 years, 67% men) without established ASCVD undergoing CAC scanning and followed for cardiovascular disease (CVD) and CHD deaths at 10 years แสดงให้เห็นว่า อาสาสมัครมีความเสี่ยงการเกิดโรคอยู่ระดับหนึ่งแต่ไม่ได้สูงมาก ผลการวิจัยพบว่า The AUC by ML all ในการทำนายการเสียชีวิตด้วยโรคหัวใจและหลอดเลือดเท่ากับ 0.845  ซึ่งสูงกว่าการทำนายโดยใช้ ASCVD risk alone (0.821), CAC score alone (0.781) และ ML CT alone (0.804) และแตกต่างกันอย่างมีนัยสำคัญทางสถิติ นอกจากนี้ ในการทำนายการเกิด Chronic heart disease ก็แสดงผลไปในทิศทางเดียวกัน งานวิจัยนี้แสดงให้เห็นว่า ในอนาคตจะเกิดการเปลี่ยนแปลงใด ๆ เกิดขึ้นในเวลาอันคาดว่าน่าจะรวดเร็วมาก ประเทศไทยที่เพิ่งเริ่มสนับสนุนการใช้ THAI CV risk score อาจจะต้องคิดและพิจารณาการพัฒนาตนเองไว้ก่อนหน้า เพื่อรับมือกับสถานการณ์ที่เปลี่ยนแปลงไปอย่างมีสติ ยืดหยุ่น และอ้างอิงหลักฐานทางวิชาการ

ที่มา: Nakanishi R, Slomka PJ, Rios R, Betancur J, Blaha MJ, Nasir K, et al. Machine Learning Adds to Clinical and CAC Assessments in Predicting 10-Year CHD and CVD Deaths. JACC Cardiovasc Imaging. 2020 Oct 28:S1936-878X(20)30810-X. doi: 10.1016/j.jcmg.2020.08.024. Epub ahead of print. PMID: 33129741.