Analisi del rischio della rottura dell'aneurisma intracranico attraverso determinanti sociali della salute (ARAMISS)

Gli aneurismi intracranici (IA), la malformazione arteriosa intracranica più comune, colpiscono circa il 3% della popolazione globale. Sono caratterizzati da una dilatazione della parete vascolare all'interno della regione intracranica, in genere a una biforcazione. La complicazione più temuta di IA è la rottura, che è associata ad elevata morbilità e mortalità. Circa il 30% dei pazienti affronta la morte o la disabilità grave e persino tra quelli senza sequele visibili, fino al 50% soffre di disabilità invisibili come i problemi cognitivi. Ciò spiega il significativo onere economico dello IAS rotto, stimato in circa £ 168 milioni all'anno nel Regno Unito.

Un modo per ridurre questa morbilità e onere sociale è identificare i pazienti ad alto rischio di rottura per determinare coloro che hanno maggiori probabilità di sperimentare la progressione della malattia. Sono state sviluppate varie iniziative, come Elips, fasi e punteggi UCAS per valutare il rischio di rottura nella pratica clinica di routine. Tuttavia, questi punteggi si basano in gran parte su noti fattori di rischio modificabili e non modificabili, come etnia, ipertensione, sesso, età, fumo e storia dell'emorragia subaracnoidea. Nonostante la loro utilità, non sono sufficienti per stratificare in modo affidabile il rischio di rottura, sottovalutandolo di circa il 30%, il che limita il loro impatto nella pratica quotidiana.

Ricerche recenti hanno identificato i rischi emergenti e i fattori protettivi, come la sindrome dell'apnea notturna, il controllo lipidico e l'uso di trattamenti antidiabetici, che abbassano i lipidi o antiipertensivi. Pertanto, è necessario rivisitare il rischio di rottura IA considerando questi fattori in relazione agli ambienti di vita dei pazienti.

I determinanti sociali della salute (SDOH) svolgono un ruolo critico in questo contesto. Definite come le condizioni della vita che influenzano la salute individuale e della popolazione, SDOH includono ampi fattori come età, etnia e genere, nonché comportamenti di dipendenza, livelli di reddito, esposizione ambientale e stato sociale. Si stima che contribuiscano a oltre l'80% dei risultati sanitari della popolazione. Nelle malattie vascolari, SDOH, come bassi livelli di istruzione, reddito limitato, isolamento sociale e bassa attività fisica, sono conosciuti per avere un impatto sulla gravità delle malattie oltre i tradizionali fattori di rischio. L'OMS stima che le malattie vascolari siano la principale causa globale di mortalità, con 17,7 milioni di decessi all'anno, la metà delle quali è prevenibile. Comprendere e affrontare SDOH è quindi cruciale per gli sforzi di prevenzione della salute pubblica.

Gli studi iniziali sull'impatto di SDOH sulla rottura IA sono limitati, spesso concentrandosi sui singoli determinanti. È necessario un approccio più completo all'SDH, soprattutto data la mancanza di linee guida di consenso per la gestione IA. Le attuali opzioni terapeutiche, sebbene avanzate, trasportano ancora morbilità perioperatoria. Modellazione multivariabile e punteggi compositi ponderati possono aiutare a affrontare la complessità dei fattori clinici e ambientali.

I dati SDH vengono regolarmente raccolti nelle cartelle cliniche e sempre più digitalizzati attraverso i sistemi di informazione ospedaliera. I dati dei dati sanitari (HDW), come quello dell'ospedale universitario di Nantes, integrano dati strutturati e non strutturati da milioni di pazienti, consentendo il loro riutilizzo a fini di ricerca. L'avvento dell'intelligenza artificiale (AI) ha permesso di estrarre e analizzare questi dati, rivelando approfondimenti da informazioni precedentemente inaccessibili.

Natural Language Processing (NLP), una filiale dell'IA, consente l'estrazione automatizzata di informazioni da cartelle cliniche testuali, sbloccando il potenziale di dati non strutturati all'interno di HDW. I modelli all'avanguardia, come Bert, Chatgpt, Llama e Mistral, possono elaborare e analizzare grandi volumi di testo. Tuttavia, l'applicazione della PNL a lingue non inglesi è vincolata dalla mancanza di corpora annotati, problemi di privacy e regolamenti sulla sovranità dei dati.

Il progetto Aramiss mira a studiare l'interazione tra SDH e fattori di rischio noti per la rottura IA, confrontando i pazienti con IAS non rotto con quelli con IAS rotto. Utilizzando SDH, il progetto classificherà i pazienti in gruppi di rischio e analizzerà spazialmente i dati dei pazienti attraverso API come DataGouv. Inoltre, il progetto si concentrerà sullo sviluppo di metodologie fieri (trovabili, accessibili, interoperabili, riutilizzabili) per condividere i suoi algoritmi e la formazione di corpora con la comunità biomedica mantenendo la conformità normativa.