维度网讯，来自梅奥诊所（Mayo Clinic）等机构的研究人员开发了一种基于人工智能（AI）的筛查模型，利用30年的常规电子健康记录（EHR）数据，旨在提高对原发性醛固酮增多症的识别率。原发性醛固酮增多症是高血压的主要病因之一，常因未被诊断而增加患者心血管并发症风险。

当肾上腺（位于肾脏顶部的小腺体）分泌过多激素醛固酮时，就会发生原发性醛固酮增多症，导致体内钠和钾水平失衡。与原发性高血压患者相比，这类患者面临更高的心血管疾病风险，包括卒中、冠状动脉疾病、心房颤动、心力衰竭和肾脏疾病。

该研究的主要研究者、明尼苏达州罗切斯特市梅奥诊所（Mayo Clinic）的Frank Lee医学博士指出，原发性醛固酮增多症的真实患病率尚不清楚，但估计高达20%的高血压患者受此影响。由于存在有效的治疗方法，早期诊断可预防未来并发症并降低医疗成本。该研究将于周六在伊利诺伊州芝加哥举行的内分泌学会（Endocrine Society）年会ENDO 2026上公布。

内分泌学会（Endocrine Society）于2025年发布的《原发性醛固酮增多症：内分泌学会临床实践指南（Primary Aldosteronism: An Endocrine Society Clinical Practice Guideline）》已呼吁更广泛地进行筛查。

研究人员利用梅奥诊所平台（Mayo Clinic Platform），一个具有多模态临床数据、保护隐私的联邦式基础设施，开发了AI筛查模型。该模型分析了1986年至2025年间收集的超过22,000名患者的去标识化数据，变量包括年龄、性别、高血压和低钾血症相关的ICD诊断、收缩压测量值、血钾水平，以及处方抗高血压或补钾药物。随后，模型在225,887名成年高血压患者的数据上进行了测试。研究采用了一种机器学习库类型的XGBoost架构，在诊断前12个月预测患者发生原发性醛固酮增多症的风险。

Lee表示，该模型显示出基于AI筛查方法的可行性。当研究人员设定阈值以识别低风险人群时，模型正确标记了超过90%的原发性醛固酮增多症病例，漏诊率低于10%。在这种设置下，约三分之二的研究参与者被确定为需进一步筛查的候选者。

Lee表示，该模型在对从未筛查过原发性醛固酮增多症的高血压患者测试时，识别出约三分之二的患者需要进一步检查，并指出临床医生一直难以有效筛查该病，而该工具可基于病历常规信息提供解决方案。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com