Forudsigelse af nystartet atrieflimren på patientniveau

Atrieflimren (AF) er en almindelig kronisk tilstand med væsentlig indvirkning på helbredsudfald. Mange tilfælde af AF opdages for sent - som en manifestation af slagtilfælde, hjertesvigt eller anden komplikation. Mens tidligere påvisning af AF giver mulighed for at forhindre for tidlig kardiovaskulær sygdom, anbefales befolkningsscreening ikke.

Atrieflimren (AF) er et førende kardiovaskulært sundhedsproblem. Det er den mest almindelige vedvarende hjertearytmi, der rammer 1-2% af befolkningen i Europa og USA, med en livstidsrisiko på hver fjerde i den generelle befolkning. Det har en stigende udbredelse, efterhånden som befolkningen bliver ældre. Følgelig vil disse estimater sandsynligvis stige, og de er i øjeblikket undervurderet, da AF længe kan forblive udiagnosticeret. AF pådrager sig 1-3 % af sundhedsudgifterne som følge af slagtilfælde, pludselig død, hjertesvigt, uplanlagt indlæggelse og tilhørende komplikationer. Den resulterende nye AF-epidemi og dens tilknyttede dyre komplikationer (herunder, men ikke begrænset til slagtilfælde, depression, hjertesvigt, akut koronarsyndrom, kognitiv tilbagegang og ikke-planlagt hospitalsindlæggelse) har sikret, at AF nu er en stor trussel mod en sund levetid. Den tidlige diagnose af AF, ideelt set før manifestationen af ​​den første komplikation, er fortsat en stor folkesundhedsudfordring. Mens AF for nogle patienter kan vise sig med symptomatisk hjertebanken, kan den første diagnose AF AF for andre være, når de præsenteres for sundhedspersonale med slagtilfælde, akut hjertedekompensation eller co-morbiditetsforværring - et stadie, der er unødvendigt sent i sygdomsforløbet. Dette skyldes, at mange patienter med AF måske ikke har AF-relaterede symptomer. I betragtning af, at næsten en tredjedel af patienter indlagt på en slagtilfældeafdeling har AF på tidspunktet for deres indlæggelse på hospitalet, og at orale antikoagulantia reducerer risikoen for slagtilfælde med op til to tredjedele hos dem med AF, som har højere risiko for slagtilfælde, er der et overbevisende argument for tidligere påvisning af AF. Til det formål anbefales nu opportunistisk screening for AF (pulspalpation efterfulgt af EKG hos patienter med uregelmæssig puls) hos patienter på 65 år og derover i nationale og internationale retningslinjer. Internationale retningslinjer anbefaler også brugen af ​​en 12-aflednings-EKG og ambulatoriske rytmemonitorer (inden for stigende varighed i henhold til opfattet risiko for AF), eskalerende til implanterbare blyløse AF-optagere hos patienter med mistænkt, men udiagnosticeret AF - og hver med implikationer for sundhedsomkostninger og patient tilfredshed. Selvom der er lovende resultater fra systematisk screening af ældre populationer for AF ved hjælp af selvbetjente enheder, er der i øjeblikket ingen anbefaling i Det Forenede Kongerige (UK) for befolkningsdækkende systematisk screening for AF, fordi det endnu ikke er klart, om de identificerede som kl. risiko ville drage fordel af tidlig diagnose. Der er faktisk behov for forskning for bedre at forstå detektionsraterne, diagnostisk nøjagtighed, resultaterne af sådanne programmer, samt for at definere, i hvilke underpopulationer AF-screening ville give den største værdi for patienten og folkesundheden.

Identifikationen af ​​AF har vigtige patientmæssige og kliniske konsekvenser. De patienter med højere risiko for slagtilfælde (CHADSVASC-score ≥ 2) uden kontraindikation bør tilbydes slagtilfældeprofylakse med oralt antikoagulant. Desuden vil de fleste patienter med AF have risikofaktorer for slagtilfælde, hvilket gør dem berettigede til et oralt antikoagulant, og mange vil have samtidig kardiovaskulær sygdom (såsom hypertension, hjerteklapsygdom eller hjertesvigt), hvilket gør dem berettigede til yderligere undersøgelse eller behandling. Ligeledes tilrådes overvågning for at øge risikoen for slagtilfælde hos dem med AF, som har lav risiko for slagtilfælde (og derfor ikke kvalificerer sig til oral antikoagulering). At forudsige præcist, om og hvornår en person vil have ny debut af AF kan tillade fænotype og tidsspecifik (dermed mere effektiv) screening, samt identificere formodede risikomarkører for AF-ætiologi. For eksempel kan patienter, der i øjeblikket er i sinusrytme, men med højere risiko for slagtilfælde og forventes at udvikle AF på et bestemt tidspunkt i fremtiden, drage fordel af screening for AF tættere på den forventede dato. Ligeledes kan modificerbare risikofaktorer for udvikling af AF og for risiko for slagtilfælde behandles proaktivt i lyset af viden om højere risiko for nyopstået AF og nye risikofaktorer undersøgt for kausalitet. Andre mulige forskningsmuligheder kan omfatte undersøgelse af patienter, der ikke har og ikke forventes at have AF, og evalueringen af ​​livsstil, udstyrsteknologi og farmakoterapeutiske strategier for at reducere risikoen for AF hos patienter med høj forudsagt risiko for nyopstået AF.

Til dato er der udviklet en række AF risiko forudsigelsesværktøjer, herunder dem fra CHARGE-AF konsortiet, Framingham Heart Study, CHADS score, CHADSVASC score og CHEST score, blandt andre. CHEST-scoren (strukturel hjertesygdom, hjertesvigt, alder ≥ 75 år, koronararteriesygdom, hyperthyroidisme, kronisk obstruktiv lungesygdom (KOL) og hypertension) stammer fra 471.446 forsøgspersoner fra den kinesiske Yunnan Insurance Database og valideret i 451,99 forsøgspersoner fra 19 personer. Den koreanske nationale sygesikringstjeneste viste sig at forudsige fremtidig hændelse AF. Af de 4764 deltagere i Framingham Heart Study, alder, køn, kropsmasseindeks, systolisk blodtryk, behandling for hypertension, tiden fra starten af ​​P-bølgen til starten af ​​det ventrikulære depolarisationskompleks (PR-interval) ), klinisk signifikant hjertemislyd og hjertesvigt blev fundet ved hjælp af overlevelsesmodellering at være komponenter i en score, der forudsiger hændelse AF efter 10 år. Hver af de hidtidige undersøgelser er dog begrænset af en eller flere af deres brug af geografisk fjerntliggende data, historiske data, små datasæt, mangel på tidsmæssig information, grov risikomodellering med deraf følgende suboptimal modelydelse og/eller prædiktorvariabler, der ikke er let tilgængelige til den praktiserende læge. Forståeligt nok har ingen nået udbredt klinisk praksis. Kunstig intelligens letter brugen af ​​enorme mængder hændelsesdata og den tilhørende tidsmæssige information (såsom den i primære sundhedsdatasæt), håndterer et stort antal prædiktorer med automatiske variabelselektionsteknikker, imødekommer ikke-lineariteter og interaktioner mellem variabler, muliggør en levende læringstilgang ( hvorved forudsigelsesmodellen automatisk opdateres), og kan bruge data for hele befolkningen til at forudsige, om og hvornår der vil være ny debut af AF for et individ. En række kunstig intelligens (AI)-teknikker er blevet anvendt på EPJ-data og har demonstreret bedre diagnostisk og forudsigelig kraft i forhold til traditionelle statistiske tilgange i EPJ-data i stor skala. Men som fremhævet for nylig, er det vigtigt at identificere modeller, der er klinisk nyttige. For eksempel en undersøgelse, der udviklede en AI-aktiveret EKG-algoritme, der forudsagde AF fra EKG'er med normal sinusrytme, mens et vigtigt skridt fremad muligvis ikke er anvendeligt i samfundsmiljøet, hvor rutine-EKG'er ikke altid er tilgængelige. Udvikling af en forudsigelig algoritme for nyopstået AF fra rutinemæssige primære sundhedsjournaldata ved hjælp af AI-teknikker kunne således give mulighed for tidlig oversættelse til klinisk praksis. Efterforskerne vil udvikle og validere en læringsmodel for dybe neurale netværk, ved at bruge storskala-forbundne elektroniske sundhedsjournaler (EPJ) fra primærpleje til at forudsige risikoen for ny AF. Forudsigelsesalgoritmen vil blive trænet og testet for dens nøjagtighed og robusthed til at forudsige fremtidige AF-hændelser ved hjælp af Clinical Practice Research Datalink (CPRD)-Globalt initiativ for kronisk obstruktiv lungesygdom (GOLD), og vil blive eksternt valideret ved hjælp af lignende databaser CPRD-AURUM, men på forskellige geografiske steder. Den nye prædiktive algoritme vil blive sammenlignet med en række klassiske maskinlæringsteknikker såvel som traditionelle statistiske prædiktive modelleringsmetoder. I afventning af en succesfuld model til at forbedre forudsigelsesnøjagtigheden på mindst 5 % sammenlignet med eksisterende modeller, kan algoritmen gøres let tilgængelig gennem gratis at bruge software.