Identifizierung der metabolischen Signatur von Vorhofflimmern zur personalisierten Prävention (IMAGE-AF)

Vorhofflimmern (AF) ist ein großes Problem der öffentlichen Gesundheit. Die Prävalenz liegt bei über 2 %. Das Hauptziel der medikamentösen Behandlung besteht darin, das Auftreten von Schlaganfällen und Herzversagen zu verhindern. Nebenwirkungen erfordern jedoch häufig ein Absetzen und Kontraindikationen schränken den Einsatz ein. Auf Katheterablation basierende Rhythmuskontrollstrategien haben zu erheblichen Fortschritten bei Vorhofflimmern geführt und die Lebensqualität verbessert. Allerdings ist die Wirksamkeit dieser Techniken bei den aggressiveren Formen begrenzt. Ein Jahr nach der Ablation werden signifikante Rezidivraten gemeldet, und der Zugang zu ihnen ist aufgrund ihrer invasiven und kostspieligen Natur oft symptomatischen Patienten vorbehalten.

Daher ist es notwendig, Ansätze zu entwickeln, um das Auftreten, Wiederauftreten oder Fortschreiten von Vorhofflimmern bei Risikopatienten zu verhindern. Während die Pathophysiologie von Vorhofflimmern eine metabolische Umgestaltung beinhaltet, die in Tier- und Menschenmodellen beobachtet werden kann, wurden im Hinblick auf eine präventive und personalisierte Behandlung keine klinisch relevanten Metaboliten als Biomarker für das Risiko des Auftretens oder Fortschreitens von Vorhofflimmern identifiziert.

Als Reaktion auf diesen ungedeckten Bedarf zielt dieses Projekt darauf ab, eine Methode zur Bewertung des Risikos eines erneuten Vorhofflimmerns zu entwickeln, die die Identifizierung einer metabolischen Signatur der Arrhythmie und des Patienten mit einem maschinellen Lernansatz zur Aggregation herkömmlicher Risikofaktoren und metabolischer Biomarker kombiniert. An Patienten, bei denen eine VHF-Ablation vorgesehen ist, wird eine klinische Längsschnittstudie durchgeführt, um Veränderungen ihrer Stoffwechselsignatur über einen Zeitraum von 12 Monaten parallel zum Fortschreiten der Arrhythmie zu überwachen. Mithilfe von maschinellem Lernen wird das Studienteam einen Klassifikator erstellen und validieren, der Patienten mit oder ohne rezidivierendem Vorhofflimmern retrospektiv stratifiziert, und diese Methode mit der kanonischen Risikostratifizierung vergleichen. Dies wird es ermöglichen, eine personalisierte Behandlung von Patienten mit Rückfallrisiko in Betracht zu ziehen, mit dem Ziel, die menschlichen und wirtschaftlichen Kosten zu senken.