健康の社会的決定要因による頭蓋内動脈瘤破裂のリスク分析 (ARAMISS)

最も一般的な頭蓋内動脈奇形である頭蓋内動脈瘤（IA）は、世界集団の約3％に影響します。 それらは、頭蓋内領域内の血管壁の拡張、通常は分岐点で特徴付けられます。 IAの最も恐れられている合併症は破裂であり、これは高い罹患率と死亡率に関連しています。 患者の約30％が死亡または重度の障害に直面しており、目に見える後遺症のない患者の中でさえ、最大50％が認知的問題などの目に見えない障害に苦しんでいます。 これは、英国で年間約1億6,800万ポンドと推定される破裂IASの重大な経済的負担を説明しています。

この罹患率と社会的負担を軽減する1つの方法は、破裂のリスクが高い患者を特定して、病気の進行を経験する可能性が最も高い患者を特定することです。 ELAPS、フェーズ、UCASスコアなどのさまざまなイニシアチブが、日常的な臨床診療における破裂リスクを評価するために開発されました。 ただし、これらのスコアは、主に、民族性、高血圧、性別、年齢、喫煙、くも膜下出血の歴史など、よく知られている修正可能であり、変化できないリスク要因に依存しています。 それらの有用性にもかかわらず、彼らは破裂リスクを確実に層化するには不十分であり、それを約30％過小評価しているため、日々の診療への影響が制限されます。

最近の研究により、睡眠時無呼吸症候群、脂質制御、抗糖尿病、脂質低下、または抗系治療の使用などの新たなリスクと保護因子が特定されています。 したがって、患者の生活環境に関連してこれらの要因を考慮することにより、IA破裂リスクを再検討する必要があります。

健康の社会的決定要因（SDOH）は、この文脈で重要な役割を果たします。 個人と人口の健康に影響を与える生活の条件として定義されているSDOHには、年齢、民族、性別などの幅広い要因、中毒行動、収入レベル、環境暴露、社会的地位が含まれます。 彼らは、人口の健康転帰の80％以上に寄与すると推定されています。 血管疾患では、SDOHは教育レベルが低く、収入が限られている、社会的孤立、および低い身体活動が、従来のリスク要因を超えて疾患の重症度に影響を与えることが知られています。 WHOは、血管疾患が死亡率の世界的な世界的原因であると推定しており、年間1770万人の死亡者が予防可能です。 したがって、SDOHの理解と対処は、公衆衛生予防の取り組みに不可欠です。

IA破裂に対するSDOHの影響に関する初期研究は限られており、多くの場合、個々の決定要因に焦点を当てています。 特にIA管理のコンセンサスガイドラインがないことを考えると、SDHに対するより包括的なアプローチが必要です。 現在の治療オプションは、進んでいますが、依然として周術期の罹患率をもたらします。 多変数モデリングと加重複合スコアは、臨床的および環境的要因の複雑さに対処するのに役立ちます。

SDHデータは、医療記録で日常的に収集され、病院情報システムを通じてますますデジタル化されています。 ナンテス大学病院のような健康データ倉庫（HDW）は、数百万人の患者から構造化された構造と非構造化データを統合し、研究目的で再利用できるようにします。 人工知能（AI）の出現により、このデータを抽出および分析することが可能になり、以前にアクセスできない情報からの洞察が明らかになりました。

AIのブランチであるNatural Language Processing（NLP）は、Textual Medical Recordsからの情報の自動抽出を可能にし、HDW内の非構造化データの可能性を解き放ちます。 Bert、ChatGpt、Llama、Mistralなどの最先端のモデルは、大量のテキストを処理および分析できます。 ただし、NLPの英語以外の言語への適用は、注釈付きコーパスの不足、プライバシーの懸念、およびデータ主権規制によって制約されています。

Aramissプロジェクトは、SDHとIA破裂の既知の危険因子との相互作用を調査することを目的としており、IASが破裂していない患者とIAの破裂患者を比較しています。 SDHを使用して、プロジェクトは患者をリスクグループに分類し、DatagouvのようなAPIを介して患者データを空間的に分析します。 さらに、このプロジェクトは、規制のコンプライアンスを維持しながら、そのアルゴリズムとトレーニングコーパスを生物医学コミュニティとトレーニングするための公正（見つけやすく、アクセス可能な、相互運用可能、再利用可能な）の開発に焦点を当てます。