本文介绍克利夫兰诊所Feixiong Cheng教授团队发表在PLOS MEDICINE的工作：作者利用基于拓扑的K-means聚类方法对来自一般人口统计学、超声心动图、实验室测试和心脏因素的数据进行无偏倚、基于系统的患者-患者网络分析，开发了一种纵向的患者-患者网络聚类方法，用于癌症患者在抗癌治疗期间的心脏风险分层。通过整合所有患者-患者网络模型，开发一个在线风险计算器。其可视化了癌症治疗前、中、后患者心脏风险分层的决策边界，为识别新的心脏风险亚群和临床可操作的生物标志物提供巨大的希望，从而快速发展精确的心脏肿瘤学。

论文链接：https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.1003736

总体结论：

这项研究中，作者提出了一种临床可操作的基于网络的方法(称为基于患者-患者相似网络的CVD或psnCVD风险评估)，对患有CTRCD的癌症患者进行无偏倚、基于系统的心脏风险分层。其可视化了癌症治疗前、中、后患者心脏风险分层的决策边界。通过纵向(长达20年的随访患者数据)患者-患者网络分析，作者发现癌症患者在开始癌症治疗后5年内有较高的发病率和死亡率，提示急性心脏毒性。并且发现N端脑钠肽前体（NT-proBNP）和肌钙蛋白-T水平升高的癌症患者生存期较差。这说明肌钙蛋白水平或其他血清标志物的评估可以作为一种筛查试验，以确定哪些患者需要转诊到心脏肿瘤科，并从心血管风险预防策略中获益。在作为生物标志物用于临床之前，需要进一步的独立验证和临床试验。

同时作者也指出本研究的局限性：研究中使用ICD 9/10编码来定义癌症治疗前后的5种心血管事件。ICD 9/10编码的准确性可能会影响心血管结果验证过程中可能出现的假阳性结果。由于患者转诊模式、临床量和EMR数据库中住院阈值的差异，风险估计可能受到个体内部偏差的影响。

内容中包含的图片若涉及版权问题，请及时与我们联系删除