Машинное обучение для оптимизации диагностических характеристик натрийуретических пептидов при острой сердечной недостаточности в разных возрастных группах

Введение: Концентрация N-концевого фрагмента предшественника мозгового натрийуретического пептида (NT-proBNP) зависит от возраста, что может влиять на диагностические характеристики этого маркера. Подходы машинного обучения, учитывающие NT-proBNP и возраст как непрерывные переменные, могут повысить точность диагностики.

Методы: Объединены индивидуальные данные 10 369 пациентов с подозрением на острую сердечную недостаточность из 14 исследований. Медиана возраста составила 73 года (25-й–75-й процентили: 59–82). Диагностические характеристики рекомендованных клиническими рекомендациями пороговых значений NT-proBNP (единый порог для исключения диагноза — 300 пг/мл; пороги для подтверждения диагноза с учётом возраста — 450, 900 и 1800 пг/мл для пациентов младше 50 лет, 50–75 лет и старше 75 лет соответственно), а также модели машинного обучения Collaboration for the Diagnosis and Evaluation of Heart Failure (CoDE-HF) оценивали с помощью метаанализа с моделью случайных эффектов в разных возрастных группах.

Результаты: У 43,9% пациентов (4549/10 369) диагноз острой сердечной недостаточности был подтверждён экспертной оценкой. Отрицательная прогностическая ценность порога для исключения диагноза 300 пг/мл была ниже у пожилых пациентов: 88,7% (доверительный интервал (ДИ) 84,2–92,1%) в возрасте ≥80 лет против 98,9% (97,6–99,5%) у пациентов младше 50 лет. Напротив, положительная прогностическая ценность порогов для подтверждения диагноза с учётом возраста была ниже у молодых пациентов: 62,0% (56,2–67,5%) у пациентов младше 50 лет против 79,6% (70,7–86,3%) в возрасте ≥80 лет. Во всех возрастных группах модель CoDE-HF была точнее пороговых значений, рекомендованных клиническими рекомендациями: отрицательная прогностическая ценность составляла 96,4–99,5% (ДИ 93,8–99,8%), а положительная — 81,1–84,2% (ДИ 74,7–90,4%).

Выводы: Диагностические характеристики рекомендованных пороговых значений NT-proBNP существенно зависят от возраста. Инструмент поддержки принятия решений, учитывающий NT-proBNP и возраст как непрерывную переменную, обеспечивает более стабильный и точный подход.