Die externe xDAPT-Validierungsstudie (xDAPT)

Während nach einer perkutanen Koronarintervention (PCI) mit Implantation eines medikamentenfreisetzenden Stents (DES) eine duale Thrombozytenaggregationshemmung (DAPT) empfohlen wird, um thrombotischen Komplikationen vorzubeugen, ist sie insbesondere mit einem erhöhten Blutungsrisiko verbunden. Jüngste Erkenntnisse deuten darauf hin, dass Blutungsereignisse, die früh nach der PCI auftreten, eine prognostische Auswirkung haben, die mit der von wiederkehrenden ischämischen Ereignissen vergleichbar oder sogar größer ist. Derzeit werden Entscheidungen über die Dauer und Zusammensetzung des DAPT nach PCI durch mehrere Risikoscores bestimmt, die Patienten auf der Grundlage vordefinierter klinischer oder angiographischer Faktoren als Patienten mit hohem Blutungs- und/oder hohem ischämischen Risiko klassifizieren. Allerdings ist die Vorhersageleistung dieser Scores nicht optimal, was vor allem auf die Einschränkungen der bei ihrer Entwicklung verwendeten Analyseansätze zurückzuführen ist, die typischerweise auf linearen Modellen basieren, die nicht in der Lage sind, das komplexe Zusammenspiel mehrerer klinischer Variablen zu erfassen.

Methoden des maschinellen Lernens (ML) bieten das Potenzial, diese Einschränkungen zu beseitigen, indem sie Algorithmen nutzen, um große Datensätze zu analysieren und hochdimensionale, nichtlineare Beziehungen zwischen Variablen zu identifizieren. xDAPT (Abbott) ist ein kürzlich entwickeltes ML-basiertes Tool, das aus zwei separaten zufälligen Waldüberlebensmodellen zur Vorhersage von ischämischen bzw. Blutungsrisiken besteht (ClinicalTrials.gov Kennung: NCT06089304). Jedes Modell umfasst 11 klinische Variablen, die als die relevantesten Prädiktoren für ischämische und Blutungsereignisse identifiziert wurden. Das xDAPT-Modell wurde anhand eines gepoolten Datensatzes von 11 klinischen Studien zum XIENCE-Stent entwickelt und intern validiert, darunter etwa 19.000 Patienten, die sich zwischen 2008 und 2020 in 21 Ländern einer PCI mit einem Everolimus-freisetzenden Stent (XIENCE, Abbott) unterzogen. Innerhalb der Testkohorte dieses Datensatzes zeigten sowohl ischämische als auch Blutungsrisikomodelle eine gute Unterscheidungsfähigkeit und erreichten einen C-Index von ≥0,65 für die Vorhersage ihrer jeweiligen Ergebnisse.

Die Generalisierbarkeit des xDAPT-Tools für die klinische Routinepraxis muss jedoch noch ermittelt werden, da es noch nicht in einer unabhängigen realen Population von Patienten validiert wurde, die PCI mit verschiedenen DES-Typen erhalten. Ziel der vorliegenden Studie ist die externe Validierung der Ischämie- und Blutungsrisikomodelle von xDAPT unter Verwendung von Daten von aufeinanderfolgenden Patienten, die sich zwischen 2012 und 2022 einer PCI in einem großen städtischen Krankenhaus (Mount Sinai, New York, USA) unterzogen haben. In Übereinstimmung mit der internen Validierungsanalyse wird das Leistungsziel für das Modell als Erreichen eines C-Index von ≥ 0,65 im unteren 97,5 %-Konfidenzintervall der Bootstrap-C-Index-Verteilung definiert.