높은 심방세동 위험과 관련된 혈전색전증 위험 (MATHIAS)

심방세동과 그 혈전색전증 합병증은 유럽에서 점점 더 커지는 임상적 및 사회경제적 과제를 나타냅니다. 심방세동은 뇌졸중, 주요 심혈관 사건(MACE), 장애 및 사망률과 강하게 연관되어 있으며, 특히 고령자에게 불균형적으로 영향을 미칩니다. 유럽 인구가 고령화됨에 따라 심방세동 및 심방세동 관련 뇌졸중의 유병률이 크게 증가할 것으로 예상되어 의료비 지출과 사회적 부담이 점차 증가할 것입니다. 뇌졸중 치료만으로도 첫 해에 평균 €22,605.66의 비용이 발생하며, 이는 주로 입원 및 장기 의존성에 기인하며, 생존자의 45-50%가 잔류 장애를 경험합니다. 따라서 심방세동 관련 혈전색전증 사건을 예방하는 것은 임상적 및 경제적 우선순위를 모두 나타냅니다.

임상적 관점에서, 심방세동 고위험 개인들에 대한 개선된 상류 혈전색전증 위험 계층화는 아직 충족되지 않은 중요한 필요입니다. 비록 여러 심방세동 예측 모델이 5-10년 동안의 심방세동 발생 가능성을 추정할 수 있고, 65세 이상 성인에 대한 체계적 선별 검사가 뇌졸중 예방을 통해 비용 절감을 입증했지만, 확립된 심방세동이 없는 고위험 개인에서 항응고제 시작을 안내하는 검증된 도구는 부족합니다. 현재 표준 관행은 심방세동이 진단되면 CHA₂DS₂-VASc 점수에 의존하지만, 이 점수는 인정된 한계가 있습니다. 이 점수는 만성 신장 질환, 암, 생체표지자, 심전도 이상 또는 인종과 같은 여러 관련 위험 수정 인자를 포함하지 않으며, 여성 및 다중질환 환자를 포함한 특정 하위 그룹에서 위험을 부적절하게 구별할 수 있습니다. 결과적으로, 임상적 의사 결정은 종종 점수를 넘어서며, 보다 포괄적이고 정밀한 도구의 필요성을 반영합니다.

새로운 증거는 심방세동을 임상적 연속체로서의 개념을 뒷받침합니다. 혈전성 심방 기질은 명백한 부정맥보다 앞서 발생하여 혈전색전증 위험이 이미 높아진 "전-심방세동" 단계를 만들 수 있습니다. 2023년 ACC/AHA/ACCP/HRS 지침은 공식적으로 "위험" 및 "전-심방세동" 단계를 인정하여 조기 예방적 개입의 기회를 강조합니다. 그러나 일상적인 1차 진료에서 이 인구를 식별하고 계층화하는 실용적인 도구는 여전히 제한적입니다.

인공지능(AI)은 이러한 격차를 해결하기 위한 유망한 전략을 제공합니다. 고차원 전자 건강 기록(EHR) 데이터를 활용함으로써, AI 모델은 전통적 및 새로운 위험 요소들 사이의 복잡한 비선형적 상호작용을 포착하여 기존 점수보다 더 정확한 개별화된 혈전색전증 위험 예측을 제공할 수 있습니다. 초기 기계 학습(ML) 접근법은 기존 모델에 비해 심방세동 및 심혈관 사건에 대한 개선된 식별력을 입증했습니다.

MATHIAS 프로젝트(심방세동 고위험과 관련된 혈전색전증 위험)는 실제 세계의 1차 진료 EHR 데이터를 사용하여 심방세동 고위험에 있는 65세 이상 성인의 혈전색전증 위험을 추정하기 위한 AI 기반 모델을 개발하고 전향적으로 검증하는 것을 목표로 합니다. 이 모델은 표적화된 위험 기반 광용적맥파 검사 선별 및 개별화된 항응고제 결정을 포함하는 디지털 기반 치료 경로에 통합될 것입니다. 목표는 조기 발견을 강화하고, 항응고제 전략을 개선하며, 리듬 조절 및 동반 질환 관리를 개인화하는 것입니다.

검증된 심방세동 위험 계층화 코호트(AFRICAT NCT03188484 및 PREFATE NCT05772806)와 다섯 가지 파일럿 ML 모델을 기반으로 한 예비 후향적 분석은 유망한 결과를 보여주었습니다. Adaboost 모델은 MACE 예측에서 CHA₂DS₂-VASc를 크게 능가했습니다(AUC 99.99% 대 81.71%; p = 0.0034). 이러한 결과는 고무적이지만, 일반화 가능성, 최적의 추적 간격, 환자 선택(고위험, 일과성 허혈 발작/뇌졸중 및 다양한 CHA₂DS₂-VASc 계층 포함), 그리고 뇌졸중, 출혈, 삶의 질 및 비용 효과성과 같은 환자에게 중요한 결과에 대한 영향을 평가하기 위해서는 전향적 다기관 평가가 필요합니다.

이 프로젝트는 또한 마르코프 의사결정 분석 모델을 포함하여 의료 지불자 및 사회적 관점 모두에서 MACE, 뇌졸중, 장애, 질 조정 생존 연수(QALYs) 및 비용을 추정합니다. 시나리오 분석은 AI 모델을 일상적 치료에 통합하는 것이 일반 치료, 기회적 선별 검사 또는 웨어러블 우선 전략과 비교하여 비용 효과적인지 평가할 것입니다. 성별 특이적 결과 및 혜택 분배의 잠재적 불평등에 특별한 주의를 기울일 것입니다.

예상되는 임상적 영향에는 고위험 인구에서 MACE 발생률을 1,000인년당 50명 미만으로 감소시키고, 심방세동 관련 뇌졸중 비율을 10% 미만으로 낮추며, 적격 환자의 최대 65%에서 항응고제 적절성을 개선하고, 적어도 90%의 고위험 개인이 적절한 경구 항응고제 치료를 받도록 보장하는 것이 포함됩니다. 구조화된 심방세동 치료 경로(예: AF-CARE)에 대한 준수는 이미 전인적 사망률 및 MACE의 유의미한 감소와 연관되어 있습니다; AI 기반 위험 계층화를 통합하는 것은 이러한 혜택을 더욱 향상시킬 수 있습니다.

경제적으로, 선별 검사 및 더 넓은 항응고제 사용은 초기에 직접 비용을 증가시킬 수 있지만, 뇌졸중 예방은 상당한 장기적 절감을 창출할 것으로 예상됩니다. 카탈루냐 지역만 해도 고위험 심방세동 인구에 대한 추정 연간 절감액은 €12.3백만에서 €79.2백만 사이입니다. 뇌졸중 중증도, 장애 및 입원의 감소는 직접 의료 비용과 생산성 손실 및 장기 의존성과 관련된 간접 사회적 비용을 모두 완화할 것입니다.

요약하자면, 이 프로젝트는 심방세동 고위험 개인을 위한 AI 기반 혈전색전증 위험 계층화 모델을 개발하고 구현함으로써 심혈관 예방의 주요 격차를 해결합니다. 현대 유럽 지침 및 정밀의학 전략과 일치시킴으로써, 이 계획은 조기 식별을 개선하고, 치료 결정을 개인화하며, MACE 및 뇌졸중 부담을 줄이고, 환자 자율성과 삶의 질을 보존하며, 지속 가능한 의료 자원 활용을 보장하기 위해 노력합니다.