Identificatie van de metabolische signatuur van atriumfibrilleren voor gepersonaliseerde preventie (IMAGE-AF)

Boezemfibrilleren (AF) is een groot probleem voor de volksgezondheid. De prevalentie bedraagt ​​meer dan 2%. Het hoofddoel van de medicamenteuze behandeling is het voorkomen van een beroerte en hartfalen, maar bijwerkingen vereisen vaak stopzetting en contra-indicaties beperken het gebruik ervan. Ritmecontrolestrategieën gebaseerd op katheterablatie hebben geleid tot aanzienlijke vooruitgang bij incidentele AF, waardoor de kwaliteit van leven is verbeterd. Niettemin is de effectiviteit van deze technieken beperkt bij de agressievere vormen. Een jaar na ablatie worden significante recidiefpercentages gerapporteerd, en de toegang hiertoe is vaak gereserveerd voor symptomatische patiënten vanwege hun invasieve en kostbare aard.

Het is daarom noodzakelijk om benaderingen te ontwikkelen om het ontstaan, het terugkeren of de progressie van AF bij risicopatiënten te voorkomen. Hoewel de pathofysiologie van AF gepaard gaat met metabole hermodellering die kan worden waargenomen in dier- en menselijke modellen, zijn er geen klinisch relevante metabolieten geïdentificeerd als biomarkers voor het risico op het ontstaan ​​of de progressie van AF, met het oog op preventief en gepersonaliseerd beheer.

Als reactie op deze onvervulde behoefte heeft dit project tot doel een methode te ontwikkelen voor het beoordelen van het risico op herhaling van AF, waarbij de identificatie van een metabolische signatuur van de aritmie en de patiënt wordt gecombineerd met een machine learning-aanpak om conventionele risicofactoren en metabolische biomarkers te aggregeren. Er zal een longitudinaal klinisch onderzoek worden uitgevoerd bij patiënten bij wie AF-ablatie is gepland, om de veranderingen in hun metabolische signatuur gedurende 12 maanden te monitoren, parallel aan de progressie van de aritmie. Met behulp van machinaal leren zal het onderzoeksteam een ​​classificator opzetten en valideren, waarbij retrospectief patiënten met of zonder recidiverende AF worden gestratificeerd, en deze methode wordt vergeleken met canonieke risicostratificatie. Dit zal het mogelijk maken om een ​​gepersonaliseerde behandeling van patiënten met een risico op herhaling te overwegen, met als doel de menselijke en economische kosten te verminderen.