Forutsi ny debut atrieflimmer på pasientnivå

Atrieflimmer (AF) er en vanlig kronisk tilstand med betydelig innvirkning på helseutfall. Mange tilfeller av AF oppdages for sent - som en manifestasjon av hjerneslag, hjertesvikt eller annen komplikasjon. Mens tidligere påvisning av AF gir potensialet til å forhindre for tidlig kardiovaskulær sykdom, anbefales ikke befolkningsscreening.

Atrieflimmer (AF) er et ledende kardiovaskulært helseproblem. Det er den vanligste vedvarende hjertearytmien, som rammer 1-2 % av befolkningen i Europa og USA, med en livstidsrisiko på én av fire i den generelle befolkningen. Det har en økende utbredelse etter hvert som befolkningen blir eldre. Følgelig vil disse estimatene sannsynligvis øke, og er for tiden undervurdert gitt at AF lenge kan forbli udiagnostisert. AF pådrar seg 1-3 % av helseutgiftene som følge av hjerneslag, plutselig død, hjertesvikt, ikke-planlagt sykehusinnleggelse og tilhørende komplikasjoner. Den resulterende fremvoksende AF-epidemien og dens tilknyttede kostbare komplikasjoner (inkludert, men ikke begrenset til hjerneslag, depresjon, hjertesvikt, akutt koronarsyndrom, kognitiv svikt og ikke-planlagt sykehusinnleggelse) har sørget for at AF nå er en stor trussel mot sunn levetid. Den tidlige diagnosen AF, ideelt sett før manifestasjonen av den første komplikasjonen, er fortsatt en stor folkehelseutfordring. Mens AF for noen pasienter kan presentere seg med symptomatisk hjertebank, kan den første diagnosen AF for andre være når de presenteres for helsepersonell med hjerneslag, akutt hjertedekompensasjon eller komorbiditetsforverring – et stadium som er unødvendig sent i sykdomsforløpet. Dette er fordi mange pasienter med AF kanskje ikke har AF-assosierte symptomer. Gitt at nesten en tredjedel av pasienter innlagt på slagavdeling har AF ved innleggelse på sykehus og at orale antikoagulantia reduserer risikoen for hjerneslag med opptil to tredjedeler hos de med AF som har høyere risiko for hjerneslag, er det et overbevisende argument for tidligere oppdagelse av AF. For det formål anbefales nå opportunistisk screening for AF (pulspalpering etterfulgt av EKG hos pasienter med uregelmessig puls) hos pasienter i alderen 65 år og over i nasjonale og internasjonale retningslinjer. Internasjonale retningslinjer anbefaler også bruk av en 12-avlednings EKG og ambulerende rytmemonitorer (innen økende varighet i henhold til opplevd risiko for AF), eskalert til implanterbare blyløse AF-opptakere hos pasienter med mistenkt, men udiagnostisert AF - og hver med implikasjoner for helsekostnader og pasient tilfredshet. Selv om det er lovende resultater fra systematisk screening av eldre populasjoner for AF ved bruk av selvbetjente enheter, er det for tiden ingen anbefaling i Storbritannia (Storbritannia) for befolkningsomfattende systematisk screening for AF fordi det ennå ikke er klart om de identifisert som kl. risiko ville ha nytte av tidlig diagnose. Det er faktisk nødvendig med forskning for å bedre forstå deteksjonsratene, diagnostisk nøyaktighet, resultatene av slike programmer, samt for å definere i hvilke underpopulasjoner AF-screening vil gi størst verdi for pasient og folkehelse.

Identifikasjonen av AF har viktige pasient- og kliniske konsekvenser. Pasienter med høyere risiko for hjerneslag (CHADSVASC-score ≥ 2) uten kontraindikasjon bør tilbys slagprofylakse med oralt antikoagulant. Dessuten vil de fleste pasienter med AF ha hjerneslagrisikofaktorer, noe som gjør dem kvalifisert for et oralt antikoagulasjonsmiddel, og mange vil ha samtidig kardiovaskulær sykdom (som hypertensjon, hjerteklaffsykdom eller hjertesvikt) som gjør dem kvalifisert for videre utredning eller behandling. På samme måte, hos de med AF som har lav risiko for hjerneslag (og derfor ikke kvalifiserer for oral antikoagulasjon), er overvåking tilrådelig for å øke risikoen for hjerneslag. Å forutsi nøyaktig om og når en person vil ha ny debut av AF kan tillate fenotype og tidsspesifikk (dermed mer effektiv) screening, samt identifisere antatte risikomarkører for AF-etiologi. For eksempel kan pasienter som for øyeblikket er i sinusrytme, men med høyere risiko for hjerneslag og som forventes å utvikle AF på et bestemt tidspunkt i fremtiden ha nytte av screening for AF nærmere den anslåtte datoen. På samme måte kan modifiserbare risikofaktorer for utvikling av AF og risiko for hjerneslag behandles proaktivt i lys av kunnskap om høyere risiko for ny debut av AF, og nye risikofaktorer studert for årsakssammenheng. Andre mulige forskningsmuligheter kan inkludere studiet av pasienter som ikke har og ikke er spådd å ha AF, og evaluering av livsstil, enhetsteknologi og farmakoterapeutiske strategier for å redusere risikoen for AF hos pasienter med høy predikert risiko for ny debut av AF.

Til dags dato er det utviklet en rekke AF-risikoprediksjonsverktøy, inkludert de fra CHARGE-AF-konsortiet, Framingham Heart Study, CHADS-skåren, CHADSVASC-skåren og CHEST-skåren, blant andre. CHEST-score (strukturell hjertesykdom, hjertesvikt, alder ≥ 75 år, koronararteriesykdom, hypertyreose, kronisk obstruktiv lungesykdom (KOLS) og hypertensjon) stammet fra 471 446 personer fra den kinesiske Yunnan Insurance Database og validert i 451,19 personer fra 19 personer. Koreanske nasjonale helseforsikringstjeneste ble funnet å forutsi fremtidig hendelse AF. Av de 4764 deltakerne i Framingham Heart Study, alder, kjønn, kroppsmasseindeks, systolisk blodtrykk, behandling for hypertensjon, tiden fra begynnelsen av P-bølgen til starten av det ventrikulære depolarisasjonskomplekset (PR-intervall) ), klinisk signifikant hjertebilyd og hjertesvikt ble funnet ved bruk av overlevelsesmodellering for å være komponenter av en skåre som forutsier hendelse AF etter 10 år. Imidlertid er hver av studiene til dags dato begrenset av en eller flere av, deres bruk av geografisk fjerntliggende data, historiske data, små datasett, mangel på tidsinformasjon, grov risikomodellering med påfølgende suboptimal modellytelse og/eller prediktorvariabler som ikke er lett tilgjengelige. til allmennlegen. Forståelig nok har ingen nådd utbredt klinisk praksis. Kunstig intelligens letter bruken av enorme mengder hendelsesdata og tilhørende tidsinformasjon (slik som den i primærhelsetjenestedatasett), håndterer et stort antall prediktorer med automatiske variabelseleksjonsteknikker, tilpasser ikke-lineariteter og interaksjoner mellom variabler, muliggjør en tilnærming til levende læring ( hvorved prediksjonsmodellen oppdateres automatisk), og kan bruke data for hele befolkningen for å forutsi om og når det vil være ny debut av AF for et individ. En rekke kunstig intelligens (AI)-teknikker har blitt brukt på EPJ-data og har vist bedre diagnose- og prediksjonskraft i forhold til tradisjonelle statistiske tilnærminger i EPJ-data i stor skala. Likevel, som fremhevet nylig, er det viktig å identifisere modeller som er klinisk nyttige. For eksempel, en studie som utviklet en AI-aktivert EKG-algoritme som spådde AF fra EKG-er med normal sinusrytme, mens et viktig skritt fremover kanskje ikke er aktuelt i fellesskapsmiljøer der rutine-EKGer ikke alltid er tilgjengelige. Å utvikle en prediktiv algoritme for nyoppstått AF fra rutinemessige elektroniske helsejournaldata fra primærhelsetjenesten ved bruk av AI-teknikker kan derfor tilby muligheten for tidlig oversettelse til klinisk praksis. Etterforskerne vil utvikle og validere en læringsmodell for dype nevrale nettverk, ved å bruke storskala koblede elektroniske helsejournaler (EPJ) fra primærhelsetjenesten, for å forutsi risikoen for ny AF. Prediksjonsalgoritmen vil bli trent og testet for sin nøyaktighet og robusthet i å forutsi fremtidige AF-hendelser ved bruk av Clinical Practice Research Datalink (CPRD)-Global initiativ for kronisk obstruktiv lungesykdom (GOLD), og vil bli eksternt validert ved bruk av lignende databaser CPRD-AURUM, men på forskjellige geografiske steder. Den nye prediktive algoritmen vil bli sammenlignet med en rekke klassiske maskinlæringsteknikker så vel som tradisjonelle statistiske prediktive modelleringsmetoder. I påvente av en vellykket modell for å forbedre prediksjonsnøyaktigheten på minst 5 % sammenlignet med eksisterende modeller, kan algoritmen gjøres lett tilgjengelig gjennom gratis å bruke programvare.