Analýza rizik ruptury intrakraniální aneuryzmy prostřednictvím sociálních determinant zdraví (ARAMISS)

Intrakraniální aneuryzma (IA), nejběžnější intrakraniální arteriální malformace, ovlivňují přibližně 3% globální populace. Jsou charakterizovány dilatací vaskulární stěny v intrakraniální oblasti, obvykle při bifurkaci. Nejobávanější komplikací IA je prasknutí, která je spojena s vysokou morbiditou a úmrtností. Asi 30% pacientů čelí smrti nebo závažnému postižení a dokonce i mezi pacienty bez viditelných následků, až 50% trpí neviditelnými postiženími, jako jsou kognitivní problémy. To vysvětluje významné ekonomické zatížení prasklé IAS, odhadované na přibližně 168 milionů GBP ročně ve Velké Británii.

Jedním ze způsobů, jak snížit tuto morbiditu a společenskou zátěž, je identifikovat pacienty s vysokým rizikem prasknutí, aby se zjistili, že nejpravděpodobněji prožívají progresi onemocnění. Byly vyvinuty různé iniciativy, jako jsou ELAPS, fáze a skóre UCAS, aby se v rutinní klinické praxi posoudila riziko ruptury. Tato skóre se však do značné míry spoléhá na známé modifikovatelné a nemodifikovatelné rizikové faktory, jako je etnicita, hypertenze, pohlaví, věk, kouření a anamnéza subarachnoidálního krvácení. Navzdory jejich užitečnosti jsou nedostatečné pro spolehlivé rozrušení rizika roztržení, což je podceňuje přibližně o 30%, což omezuje jejich dopad v každodenní praxi.

Nedávný výzkum identifikoval rozvíjející se riziko a ochranné faktory, jako je syndrom spánkové apnoe, kontrola lipidů a použití antidiabetiky, snižování lipidů nebo antihypertenziva. Proto je nutné revidovat riziko roztržení IA zvážením těchto faktorů ve vztahu k životnímu prostředí pacientů.

Sociální determinanty zdraví (SDOH) hrají v tomto kontextu rozhodující roli. Definované jako podmínky života, které ovlivňují zdraví individuálního a populace, zahrnuje široké faktory, jako je věk, etnicita a pohlaví, jakož i chování závislosti, úroveň příjmů, expozice životního prostředí a sociální postavení. Odhaduje se, že přispívají k více než 80% zdravotních výsledků populace. U vaskulárních onemocnění, SDOH -jako nízká úroveň vzdělání, omezený příjem, sociální izolace a nízká fyzická aktivita -je známo, že ovlivňují závažnost onemocnění nad tradičními rizikovými faktory. WHO odhaduje, že vaskulární onemocnění jsou hlavní globální příčinou úmrtnosti, přičemž 17,7 milionu úmrtí ročně, z nichž polovina lze zabránit. Porozumění a řešení SDOH je proto zásadní pro úsilí o prevenci veřejného zdraví.

Počáteční studie dopadu SDOH na prasknutí IA jsou omezené a často se zaměřují na jednotlivé determinanty. Je zapotřebí komplexnějšího přístupu k SDH, zejména vzhledem k nedostatku konsensuálních pokynů pro správu IA. Současné terapeutické možnosti, i když jsou pokročilé, stále nesou perioperační morbiditu. Multivariabilní modelování a vážené složené skóre mohou pomoci řešit složitost klinických a environmentálních faktorů.

Data SDH jsou běžně shromažďována v lékařských záznamech a stále více digitalizována prostřednictvím nemocničních informačních systémů. Sklady o zdravotních datech (HDWS), jako je například ve univerzitní nemocnici Nantes, integruje strukturovaná a nestrukturovaná data od milionů pacientů, což umožňuje jejich opětovné použití pro účely výzkumu. Příchod umělé inteligence (AI) umožnil tato data extrahovat a analyzovat a odhalit poznatky z dříve nepřístupných informací.

Zpracování přirozeného jazyka (NLP), pobočka AI, umožňuje automatizovanou extrakci informací z textových lékařských záznamů a odemknutí potenciálu nestrukturovaných dat v rámci HDWS. Nejmodernější modely, jako jsou Bert, Chatgpt, Llama a Mistral, mohou zpracovávat a analyzovat velké objemy textu. Aplikace NLP na neanglické jazyky je však omezena nedostatkem anotovaných korpusů, obavami o ochranu osobních údajů a datových suverenitních předpisů.

Cílem projektu Aramiss je prozkoumat interakci mezi SDH a ​​známými rizikovými faktory pro prasknutí IA a porovnávat pacienty s neomezeným IAS s pacienty s prasklým IAS. Pomocí SDH bude projekt klasifikovat pacienty do rizikových skupin a prostorově analyzovat údaje o pacientech prostřednictvím API, jako je DataGouV. Projekt se navíc zaměří na vývoj spravedlivých (nalezených, přístupných, interoperabilních a opakovaně použitelných) metodik, které sdílejí své algoritmy a školení korpusů s biomedicínskou komunitou při zachování regulační dodržování.