건강의 사회적 결정 요인을 통한 두개 내 동맥류 파열의 위험 분석 (ARAMISS)

가장 흔한 두개 내 동맥 기형 인 두개 내 동맥류 (IA)는 전 세계 인구의 약 3%에 영향을 미칩니다. 그것들은 두개 내 영역 내에서 혈관벽의 팽창, 전형적으로 분기에서 특징 지어진다. IA의 가장 두려운 합병증은 높은 이환율과 사망률과 관련이있는 파열입니다. 환자의 약 30%가 사망 또는 중증 장애에 직면하고, 심지어 가시적 인 후유증이없는 환자들 중에서도 최대 50%는인지 문제와 같은 보이지 않는 장애로 고통받습니다. 이것은 영국에서 매년 약 1 억 6,800 만 파운드로 추정되는 파열 된 IAS의 상당한 경제적 부담을 설명합니다.

이러한 이환율과 사회적 부담을 줄이는 한 가지 방법은 파열 위험이 높은 환자를 식별하여 질병 진행을 경험할 가능성이 가장 높은 사람들을 결정하는 것입니다. 일상적인 임상 실습에서 파열 위험을 평가하기 위해 ELAPS, 단계 및 UCAS 점수와 같은 다양한 이니셔티브가 개발되었습니다. 그러나 이러한 점수는 민족성, 고혈압, 성별, 연령, 흡연 및 지주막 하 출혈의 병력과 같은 잘 알려진 수정 가능 및 수정 불가능한 위험 요소에 크게 의존합니다. 그들의 유용성에도 불구하고, 그들은 파열 위험을 안정적으로 계층화하기에 충분하지 않아 약 30%를 과소 평가하여 일상적인 실습에 영향을 미칩니다.

최근의 연구는 수면 무호흡 증후군, 지질 조절 및 항 당뇨병, 지질 저하 또는 항 고혈압 치료의 사용과 같은 새로운 위험 및 보호 요인을 확인했습니다. 따라서 환자의 생활 환경과 관련하여 이러한 요소를 고려하여 IA 파열 위험을 다시 방문해야합니다.

건강의 사회적 결정 요인 (SDOH)은 이러한 맥락에서 중요한 역할을합니다. 개인 및 인구 건강에 영향을 미치는 삶의 조건으로 정의 된 SDOH는 연령, 민족 및 성별과 같은 광범위한 요인뿐만 아니라 중독 행동, 소득 수준, 환경 노출 및 사회적 지위를 포함합니다. 그들은 인구의 건강 결과의 80% 이상에 기여하는 것으로 추정됩니다. 혈관 질환에서 SDOH는 교육 수준이 낮고 소득이 제한, 사회적 고립 및 신체 활동이 낮은 것은 전통적인 위험 요인을 넘어 질병 심각성에 영향을 미치는 것으로 알려져 있습니다. WHO는 혈관 질환이 사망률의 주요 원인이며, 매년 1,770 만 명이 사망했으며 그 중 절반은 예방할 수 있다고 추정합니다. 따라서 SDOH를 이해하고 해결하는 것은 공중 보건 예방 노력에 중요합니다.

IA 파열에 대한 SDOH의 영향에 대한 초기 연구는 종종 개별 결정 요인에 중점을두고 있습니다. 특히 IA 관리에 대한 합의 지침이 부족한 경우 SDH에 대한보다 포괄적 인 접근이 필요합니다. 현재의 치료 옵션은 진보 된 동안 여전히 수술 전 이환율을 전달합니다. 다변량 모델링 및 가중 복합 점수는 임상 및 환경 요인의 복잡성을 해결하는 데 도움이 될 수 있습니다.

SDH 데이터는 의료 기록에서 일상적으로 수집되며 병원 정보 시스템을 통해 점점 더 디지털화됩니다. Nantes University Hospital의 HDWS (Health Data Warehouses)는 수백만 명의 환자의 구조화 및 비 구조 데이터를 통합하여 연구 목적으로 재사용을 가능하게합니다. 인공 지능 (AI)의 출현 으로이 데이터를 추출하고 분석 할 수 있었으며, 이전에 접근 할 수없는 정보의 통찰력을 드러 냈습니다.

AI의 지점 인 NLP (Natural Language Processing)는 텍스트 의료 기록에서 정보를 자동으로 추출하여 HDW 내에서 구조화되지 않은 데이터의 잠재력을 잠금 해제 할 수 있습니다. Bert, Chatgpt, Llama 및 Mistral과 같은 최첨단 모델은 대량의 텍스트를 처리하고 분석 할 수 있습니다. 그러나 영어가 아닌 언어에 NLP를 적용하는 것은 주석이 달린 Corpora의 부족, 개인 정보 보호 문제 및 데이터 주권 규정에 의해 제한됩니다.

Aramiss 프로젝트는 IA 파열에 대한 SDH와 알려진 위험 요소 사이의 상호 작용을 조사하여 IA가 아닌 IAS 환자를 IAS가 파열 된 환자와 비교하는 것을 목표로합니다. 이 프로젝트는 SDH를 사용하여 환자를 위험 그룹으로 분류하고 Datagouv와 같은 API를 통해 환자 데이터를 공간적으로 분석합니다. 또한이 프로젝트는 규제 준수를 유지하면서 알고리즘을 공유하고 Corpora를 생명 의학 커뮤니티와 공유하기 위해 박람회 개발 (찾을 수 있고 접근 가능하며 상호 운용 가능하며 재사용 가능한) 방법론에 중점을 둘 것입니다.