近日，中国科学院北京基因组研究所（国家生物信息中心）与解放军总医院第六医学中心合作开发的射血分数保留型心力衰竭早期风险预测模型HFmeRisk正式获得专利授权，专利名称为“一种用于预测射血分数保留型心衰风险的模型”（CN105586406A），发明人为中国科学院北京基因组研究所（国家生物信息中心）方向东研究员、博士研究生赵学彤（已毕业，现任国家生物信息中心工程师）、渠鸿竹副研究员、解放军总医院第六医学中心董蔚主任医师。

心力衰竭是由遗传、神经激素、代谢、炎症等生化因素的复杂相互作用引起的心脏结构或功能异常变化。慢性心力衰竭以心肌能量代谢和代谢重塑障碍为特点，存在高发病率和死亡率。目前公认的慢性心力衰竭有三种亚型，其中射血分数保留型心力衰竭（Heart failure with preserved ejection fraction，HFpEF, 左心室射血分数>50%）的早期风险预测具有挑战性，建立HFpEF早期预测模型对心力衰竭的风险评估管理和临床决策十分重要。

该模型创新性的结合DNA甲基化位点和临床特征，利用机器学习方法实现了HFpEF早期风险预测。模型收集了797例未患心血管疾病参与者的97项临床诊疗数据和DNA甲基化芯片数据，经过8年随访，其中738名参与者无心衰表现，59名参与者被诊断为HFpEF，研究人员将此数据作为训练集，得到了一组用于建立预测射血分数保留型心衰风险模型的标志物组合。模型从表观遗传学的角度（25个CpGs在细胞间信号、相互作用和能量代谢中具有关键功能）和环境暴露的角度（年龄、利尿剂、BMI、蛋白尿和血清肌酐）评估了HFpEF的早期风险，对HFpEF早期风险具有良好的鉴别和校正能力，AUC结果为0.90（95% CI 0.89-0.90），测试集Hosmer-Lemeshow统计量为6.17，P=0.632。HFmeRisk利用基于推荐系统的deepFM算法和基于特征选择的LASSO和XGBoost算法，学习这些特征背后隐藏的特征组合，为HFpEF早期风险评估提供创新见解。

2022年1月，该研究的理论成果以“A deep learning model for early risk prediction of heart failure with preserved ejection fraction by DNA methylation profiles combined with clinical features”为题，发表于Clinical Epigenetics  期刊，赵学彤为第一作者，董蔚、渠鸿竹和方向东为通讯作者。该研究得到了国家自然科学基金、国家重点研发计划等项目的资助。

此外，方向东研究组与华为合作开发了慢性病遗传风险评估系统，在该专利研发阶段，相关成果为上述评估系统提供了理论与技术支撑。

基于深度学习的射血分数保留型心衰预测模型HFmeRisk

论文链接