Die Risikoabschätzung mit traditionellen Assessments stößt bei großen Datenmengen an ihre Grenzen, unterscheidet nicht zwischen modifizierbaren und nicht modifizierbaren Variablen und berücksichtigt keine Interaktionen. Segar et al. taten Zweierlei: Sie identifizierten die effizienteste, auf maschinellem Lernen basierende Methode für die Clusterbildung und entwickelten daraus 3 Phänotypen, die zuverlässig das kardiovaskuläre Risiko und die Therapieantwort vorhersagten.
