高心房細動リスクに関連する血栓塞栓性リスク (MATHIAS)

心房細動とその血栓塞栓性合併症は、ヨーロッパにおける臨床的・社会経済的課題として増大しつつある。 AFは脳卒中、主要心血管イベント（MACE）、障害、死亡率と強く関連しており、高齢者に不均衡に影響を与えている。 欧州人口の高齢化に伴い、AFおよびAF関連脳卒中の有病率は大幅に増加すると予測され、医療費と社会的負担の増大につながる。 脳卒中ケアだけでも初年度の平均費用は22,605.66ユーロであり、主に入院と長期的依存により生じ、生存者の45〜50％が後遺障害を経験する。 したがって、AF関連血栓塞栓性イベントの予防は、臨床的にも経済的にも優先事項である。

臨床的観点から、AF高リスク者における改善された上流血栓塞栓性リスク層別化は、重大な未充足ニーズである。 いくつかのAF予測モデルは5〜10年間のAF発症確率を推定でき、65歳以上の成人の系統的スクリーニングは脳卒中予防による費用削減が実証されているが、確立されたAFのない高リスク者における抗凝固療法開始を導く検証済みツールは不足している。 現在の標準的診療はAF診断後にCHA₂DS₂-VAScスコアに依存するが、このスコアには既知の限界がある。 慢性腎臓病、がん、バイオマーカー、心電図異常、民族性など、いくつかの関連リスク修飾因子が組み込まれておらず、女性や多疾患併存患者を含む特定のサブグループでのリスク識別が不十分な可能性がある。 その結果、臨床意思決定はスコアを超えて拡張されることが多く、より包括的で精密なツールの必要性を反映している。

新たなエビデンスは、AFが臨床的連続体であるという概念を支持している。 血栓形成傾向のある心房基質は顕性不整脈に先行する可能性があり、血栓塞栓リスクが既に上昇している「前AF」段階を生み出す。 2023年ACC/AHA/ACCP/HRSガイドラインは「リスク有り」および「前AF」段階を正式に認識し、早期予防介入の機会を強調している。 しかし、日常的なプライマリケアでこの集団を同定・層別化する実用的ツールは依然として限られている。

人工知能（AI）はこれらのギャップに対処する有望な戦略を提供する。 高次元電子健康記録（EHR）データを活用することで、AIモデルは古典的および新興リスク因子間の複雑な非線形相互作用を捉え、従来のスコアよりも正確な個別化血栓塞栓リスク予測を提供する可能性がある。 初期の機械学習（ML）アプローチは、従来モデルと比較してAFおよび心血管イベントの識別改善を示している。

MATHIASプロジェクト（血栓塞栓性リスク 心房細動高リスクに関連する）は、実世界のプライマリケアEHRデータを使用して、AF高リスクの65歳以上の成人における血栓塞栓リスクを推定するAIベースモデルを開発し、前向きに検証することを目的としている。 このモデルは、標的化されたリスク誘導光電脈波法スクリーニングと個別化抗凝固療法決定を組み込んだデジタル対応ケアパスウェイに統合される。 目的は、早期発見の強化、抗凝固療法戦略の精緻化、リズムコントロールと併存症管理の個別化である。

検証済みAFリスク層別化コホート（AFRICAT NCT03188484およびPREFATE NCT05772806）と5つのパイロットMLモデルに基づく予備的回顧的分析は有望な結果を示した。 Adaboostモデルは、MACE予測においてCHA₂DS₂-VAScを有意に上回った（AUC 99.99% vs. 81.71%； p = 0.0034）。 これらの知見は励みになるが、一般化可能性、最適なフォローアップ間隔、患者選択（高リスク、TIA/脳卒中、様々なCHA₂DS₂-VASc層を含む）、および脳卒中、出血、生活の質、費用対効果などの患者にとって重要なアウトカムへの影響を評価するためには、前向き多施設評価が必要である。

本プロジェクトはまた、医療費支払者と社会の両方の観点から、MACE、脳卒中、障害、質調整生存年（QALYs）、費用を推定するマルコフ決定分析モデルを組み込んでいる。 シナリオ分析では、AIモデルを日常診療に統合することが、通常診療、機会的スクリーニング、またはウェアラブル優先戦略と比較して費用対効果的かどうかを評価する。 性別特有のアウトカムと便益分布における潜在的不公平性に特別な注意が払われる。

予想される臨床的影響には、高リスク集団におけるMACE発生率を1,000人年当たり50未満に減少させること、AF関連脳卒中割合を10％未満に低下させること、適格患者の最大65％で抗凝固療法の適切性を改善すること、および高リスク者の少なくとも90％が適切な経口抗凝固薬療法を受けることを確保することが含まれる。 構造化AFケアパスウェイ（例：AF-CARE）への遵守は、すでに全死亡およびMACEの有意な減少と関連している；AI駆動リスク層別化の統合はこれらの利益をさらに強化する可能性がある。

経済的には、スクリーニングと抗凝固薬使用の拡大は当初直接費用を増加させる可能性があるが、脳卒中予防は長期的に相当な節約を生むと予想される。 カタルーニャだけでも、AF高リスク集団の推定年間節約額は1,230万ユーロから7,920万ユーロの範囲である。 脳卒中重症度、障害、入院の減少は、直接医療費と生産性喪失および長期的依存に関連する間接的社会コストの両方を軽減する。

要約すると、本プロジェクトはAF高リスク者向けのAI駆動血栓塞栓リスク層別化モデルを開発・実装することで、心血管予防における主要なギャップに対処する。 現代の欧州ガイドラインと精密医療戦略に沿うことで、この取り組みは早期識別の改善、治療決定の個別化、MACEおよび脳卒中負担の軽減、患者の自律性と生活の質の維持、持続可能な医療資源利用の確保を目指す。