Riesgo Tromboembólico Asociado a la Fibrilación Auricular de Alto Riesgo (MATHIAS)

La fibrilación auricular y sus complicaciones tromboembólicas representan un desafío clínico y socioeconómico creciente en Europa. La FA está fuertemente asociada con ictus, eventos cardiovasculares adversos mayores (MACE), discapacidad y mortalidad, afectando de manera desproporcionada a los adultos mayores. A medida que la población europea envejece, se prevé que la prevalencia de FA y de ictus relacionado con FA aumente sustancialmente, lo que conllevará un incremento de los gastos sanitarios y de la carga social. Solo la atención del ictus cuesta un promedio de 22.605,66 € en el primer año, impulsado en gran medida por la hospitalización y la dependencia a largo plazo, con un 45-50% de los supervivientes que experimentan discapacidad residual. Por lo tanto, prevenir eventos tromboembólicos relacionados con FA representa tanto una prioridad clínica como económica.

Desde un punto de vista clínico, existe una necesidad crítica no cubierta de mejorar la estratificación del riesgo tromboembólico ascendente en individuos con alto riesgo de FA. Aunque varios modelos de predicción de FA pueden estimar la probabilidad de FA incidente en 5-10 años, y el cribado sistemático de adultos ≥65 años ha demostrado ahorros de costes mediante la prevención del ictus, falta una herramienta validada para guiar el inicio de la anticoagulación en individuos de alto riesgo sin FA establecida. La práctica estándar actual se basa en la puntuación CHA₂DS₂-VASc una vez diagnosticada la FA; sin embargo, esta puntuación tiene limitaciones reconocidas. No incorpora varios modificadores de riesgo relevantes como la enfermedad renal crónica, el cáncer, biomarcadores, anomalías electrocardiográficas o la etnia, y puede discriminar inadecuadamente el riesgo en ciertos subgrupos, incluidas las mujeres y pacientes con multimorbilidad. En consecuencia, la toma de decisiones clínicas a menudo va más allá de la puntuación, reflejando la necesidad de herramientas más completas y precisas.

La evidencia emergente respalda el concepto de FA como un continuo clínico. Un sustrato auricular protrombótico puede preceder a la arritmia manifiesta, creando una etapa "pre-FA" durante la cual el riesgo tromboembólico ya está elevado. Las guías ACC/AHA/ACCP/HRS 2023 reconocen formalmente las etapas "en riesgo" y "pre-FA", destacando una oportunidad para una intervención preventiva más temprana. Sin embargo, las herramientas prácticas para identificar y estratificar a esta población en la atención primaria rutinaria siguen siendo limitadas.

La inteligencia artificial (IA) ofrece una estrategia prometedora para abordar estas brechas. Al aprovechar los datos de alta dimensión de los registros de salud electrónicos (RSE), los modelos de IA pueden capturar interacciones complejas y no lineales entre factores de riesgo clásicos y emergentes, potencialmente proporcionando una predicción del riesgo tromboembólico individualizado más precisa que las puntuaciones tradicionales. Los primeros enfoques de aprendizaje automático (ML) han demostrado una discriminación mejorada para FA y eventos cardiovasculares en comparación con los modelos convencionales.

El proyecto MATHIAS (riesgo de tROMboembolismo Asociado al alto riesgo de fibrilación auricular) tiene como objetivo desarrollar y validar prospectivamente un modelo basado en IA para estimar el riesgo tromboembólico en adultos ≥65 años con alto riesgo de FA utilizando datos de RSE de atención primaria del mundo real. Este modelo se integrará en una vía de atención habilitada digitalmente que incorpora cribado dirigido y guiado por riesgo mediante fotopletismografía y decisiones de anticoagulación individualizadas. El objetivo es mejorar la detección temprana, refinar las estrategias de anticoagulación y personalizar el control del ritmo y el manejo de las comorbilidades.

Los análisis retrospectivos preliminares basados en cohortes validadas de estratificación del riesgo de FA (AFRICAT NCT03188484 y PREFATE NCT05772806) y cinco modelos piloto de ML demostraron resultados prometedores. El modelo Adaboost superó significativamente a CHA₂DS₂-VASc en la predicción de MACE (AUC 99,99% vs. 81,71%; p = 0,0034). Si bien estos hallazgos son alentadores, se requiere una evaluación prospectiva y multicéntrica para evaluar la generalizabilidad, los intervalos de seguimiento óptimos, la selección de pacientes (incluyendo alto riesgo, AIT/ictus y varios estratos de CHA₂DS₂-VASc), y el impacto en resultados importantes para el paciente como ictus, sangrado, calidad de vida y costo-efectividad.

El proyecto también incorpora un modelo de análisis de decisiones de Markov para estimar MACE, ictus, discapacidad, años de vida ajustados por calidad (AVAC) y costes desde las perspectivas tanto del pagador sanitario como de la sociedad. Los análisis de escenarios evaluarán si integrar el modelo de IA en la atención rutinaria es costo-efectivo en comparación con la atención habitual, el cribado oportunista o las estrategias basadas en wearables. Se prestará especial atención a los resultados específicos por sexo y las posibles inequidades en la distribución de los beneficios.

El impacto clínico anticipado incluye la reducción de la incidencia de MACE por debajo de 50 por 1000 personas-año en poblaciones de alto riesgo, disminuyendo la proporción de ictus relacionados con FA a menos del 10%, mejorando la idoneidad de la anticoagulación en hasta el 65% de los pacientes elegibles, y asegurando que al menos el 90% de los individuos de alto riesgo reciban terapia anticoagulante oral apropiada. La adherencia a vías de atención estructuradas para FA (por ejemplo, AF-CARE) ya se ha asociado con reducciones significativas en la mortalidad por todas las causas y MACE; integrar la estratificación de riesgo impulsada por IA podría mejorar aún más estos beneficios.

Económicamente, aunque el cribado y un uso más amplio de anticoagulantes pueden aumentar inicialmente los costes directos, se espera que la prevención del ictus genere ahorros sustanciales a largo plazo. Solo en Cataluña, los ahorros anuales estimados para poblaciones de alto riesgo de FA oscilan entre 12,3 millones de € y 79,2 millones de €. Las reducciones en la gravedad del ictus, la discapacidad y las hospitalizaciones mitigarán tanto los costes médicos directos como los costes sociales indirectos relacionados con la pérdida de productividad y la dependencia a largo plazo.

En resumen, este proyecto aborda una brecha importante en la prevención cardiovascular mediante el desarrollo e implementación de un modelo de estratificación del riesgo tromboembólico impulsado por IA para individuos con alto riesgo de FA. Al alinearse con las guías europeas contemporáneas y las estrategias de medicina de precisión, la iniciativa busca mejorar la identificación temprana, personalizar las decisiones terapéuticas, reducir la carga de MACE e ictus, preservar la autonomía y calidad de vida del paciente, y asegurar una utilización sostenible de los recursos sanitarios.