Przewidywanie nowego wystąpienia migotania przedsionków na poziomie pacjenta

Migotanie przedsionków (AF) jest częstym schorzeniem przewlekłym mającym znaczny wpływ na wyniki zdrowotne. Wiele przypadków AF jest wykrywanych zbyt późno – jako przejaw udaru mózgu, niewydolności serca lub innego powikłania. Chociaż wcześniejsze wykrycie AF może potencjalnie zapobiegać przedwczesnym chorobom sercowo-naczyniowym, populacyjne badania przesiewowe nie są zalecane.

Migotanie przedsionków (AF) jest wiodącym problemem zdrowotnym układu sercowo-naczyniowego. Jest to najczęstsza utrwalona arytmia serca, dotykająca 1-2% populacji Europy i USA, z ryzykiem wystąpienia jednej czwartej populacji ogólnej w ciągu całego życia. Występuje coraz częściej wraz ze starzeniem się społeczeństwa. W związku z tym szacunki te prawdopodobnie wzrosną, a obecnie są niedoszacowane, biorąc pod uwagę fakt, że AF może długo pozostać nierozpoznane. Migotanie przedsionków powoduje 1-3% wydatków na opiekę zdrowotną w wyniku udaru mózgu, nagłego zgonu, niewydolności serca, nieplanowanej hospitalizacji i związanych z nią powikłań. Wynikająca z tego epidemia AF i związane z nią kosztowne powikłania (w tym między innymi udar, depresja, niewydolność serca, ostry zespół wieńcowy, pogorszenie funkcji poznawczych i nieplanowane hospitalizacje) sprawiły, że AF jest obecnie głównym zagrożeniem dla długowieczności w zdrowiu. Wczesne rozpoznanie AF, najlepiej przed wystąpieniem pierwszego powikłania, pozostaje głównym wyzwaniem dla zdrowia publicznego. Podczas gdy u niektórych pacjentów AF może objawiać się objawowymi kołataniami serca, u innych pierwszym rozpoznaniem AF może być zgłoszenie się do personelu medycznego z udarem mózgu, ostrą dekompensacją czynności serca lub zaostrzeniem choroby współistniejącej – stadium, które jest niepotrzebnie opóźnione w trajektorii choroby. Wynika to z faktu, że wielu pacjentów z AF może nie mieć objawów związanych z AF. Biorąc pod uwagę, że prawie jedna trzecia pacjentów przyjmowanych na oddział udarowy ma AF w chwili przyjęcia do szpitala, a doustne leki przeciwzakrzepowe zmniejszają ryzyko udaru mózgu nawet o dwie trzecie u pacjentów z AF, którzy są bardziej narażeni na udar mózgu, istnieje przekonujący argument przemawiający za wcześniejszym wykryciem AF. W tym celu krajowe i międzynarodowe wytyczne zalecają obecnie oportunistyczne badania przesiewowe w kierunku AF (badanie palpacyjne tętna, a następnie EKG u pacjentów z nieregularnym tętnem) u pacjentów w wieku 65 lat i starszych. Międzynarodowe wytyczne zalecają również stosowanie 12-odprowadzeniowego EKG i ambulatoryjnych monitorów rytmu serca (w miarę wydłużania czasu trwania, w zależności od postrzeganego ryzyka AF), przechodząc na wszczepialne bezprzewodowe rejestratory AF u pacjentów z podejrzeniem, ale niezdiagnozowanego AF – a każdy z nich ma wpływ na koszty opieki zdrowotnej i pacjenta zadowolenie. Chociaż istnieją obiecujące wyniki systematycznych badań przesiewowych osób starszych w kierunku AF za pomocą urządzeń samoobsługowych, obecnie w Zjednoczonym Królestwie (Wielka Brytania) nie ma zaleceń dotyczących systematycznych badań przesiewowych całej populacji w kierunku AF, ponieważ nie jest jeszcze jasne, czy osoby zidentyfikowane jako ryzyka skorzystałaby na wczesnej diagnozie. Rzeczywiście, potrzebne są badania, aby lepiej zrozumieć wskaźniki wykrywalności, dokładność diagnostyczną, wyniki takich programów, a także określić, w jakich subpopulacjach badania przesiewowe AF miałyby największą wartość dla pacjentów i zdrowia publicznego.

Rozpoznanie AF ma istotne konsekwencje dla pacjenta i kliniczne. Pacjentom z grupy zwiększonego ryzyka udaru mózgu (wynik w skali CHADSVASC ≥ 2) bez przeciwwskazań należy zaproponować profilaktykę udaru za pomocą doustnego leku przeciwzakrzepowego. Ponadto u większości pacjentów z AF występują czynniki ryzyka udaru mózgu, które kwalifikują ich do doustnego antykoagulantu, a u wielu występują współistniejące choroby sercowo-naczyniowe (takie jak nadciśnienie tętnicze, wada zastawkowa serca lub niewydolność serca), co kwalifikuje ich do dalszych badań lub leczenia. Podobnie u osób z AF, u których ryzyko udaru jest niskie (i dlatego nie kwalifikują się do doustnej antykoagulacji), zaleca się obserwację pod kątem zwiększonego ryzyka udaru. Precyzyjne przewidywanie, czy i kiedy dana osoba będzie miała nowy początek AF, może pozwolić na fenotypowe i czasowe (a przez to bardziej skuteczne) badania przesiewowe, a także zidentyfikować przypuszczalne markery ryzyka etiologii AF. Na przykład pacjenci z rytmem zatokowym, ale z wyższym ryzykiem udaru mózgu, u których przewiduje się wystąpienie AF w określonym momencie w przyszłości, mogą odnieść korzyści z badań przesiewowych w kierunku AF bliżej przewidywanej daty. Podobnie modyfikowalne czynniki ryzyka rozwoju AF i ryzyka udaru mózgu mogą być proaktywnie zwalczane w świetle wiedzy o wyższym ryzyku wystąpienia AF o nowym początku oraz nowych czynników ryzyka badanych pod kątem związku przyczynowego. Inne możliwe możliwości badawcze mogą obejmować badanie pacjentów, którzy nie mają i nie przewiduje się wystąpienia AF, a także ocenę stylu życia, technologii urządzeń i strategii farmakoterapeutycznych w celu zmniejszenia ryzyka AF u pacjentów z wysokim przewidywanym ryzykiem wystąpienia AF o nowym początku.

Do tej pory opracowano szereg narzędzi do przewidywania ryzyka AF, między innymi narzędzia konsorcjum CHARGE-AF, Framingham Heart Study, skala CHADS, CHADSVASC i CHEST. Skala CHEST (strukturalna choroba serca, niewydolność serca, wiek ≥ 75 lat, choroba niedokrwienna serca, nadczynność tarczycy, przewlekła obturacyjna choroba płuc (POChP) i nadciśnienie) pochodzi od 471 446 pacjentów z chińskiej bazy danych Yunnan Insurance i została zweryfikowana u 451 199 osób z Stwierdzono, że Koreańska Narodowa Służba Ubezpieczeń Zdrowotnych przewiduje przyszłe incydenty AF. Spośród 4764 uczestników badania Framingham Heart Study wiek, płeć, wskaźnik masy ciała, skurczowe ciśnienie krwi, leczenie nadciśnienia tętniczego, czas od początku załamka P do początku zespołu depolaryzacji komór (QRS) (odstęp PR ), klinicznie istotny szmer nad sercem i niewydolność serca zostały uznane za pomocą modelowania przeżycia jako składowe punktacji przewidującej incydent AF po 10 latach. Jednak każde z dotychczasowych badań jest ograniczone przez jedno lub więcej z nich: wykorzystanie geograficznie odległych danych, danych historycznych, małych zbiorów danych, brak informacji czasowych, surowe modelowanie ryzyka z wynikającą z tego nieoptymalną wydajnością modelu i/lub zmiennymi predykcyjnymi, które nie są łatwo dostępne do lekarza ogólnego. Zrozumiałe, że żaden z nich nie osiągnął powszechnej praktyki klinicznej. Sztuczna inteligencja ułatwia wykorzystanie ogromnych ilości danych o zdarzeniach i powiązanych informacji czasowych (takich jak zbiory danych podstawowej opieki zdrowotnej), obsługuje dużą liczbę predyktorów za pomocą technik automatycznego wyboru zmiennych, uwzględnia nieliniowości i interakcje między zmiennymi, umożliwia podejście do uczenia się na żywo ( dzięki czemu model przewidywania jest automatycznie aktualizowany) i może wykorzystywać dane z całej populacji do przewidywania, czy i kiedy wystąpi nowy początek AF u danej osoby. Do danych EHR zastosowano szereg technik sztucznej inteligencji (AI), które wykazały lepszą moc diagnostyczną i prognostyczną w porównaniu z tradycyjnymi podejściami statystycznymi w danych EHR na dużą skalę. Jednak, jak niedawno podkreślono, ważne jest, aby zidentyfikować modele, które są przydatne klinicznie. Na przykład badanie, w którym opracowano algorytm EKG z obsługą sztucznej inteligencji, który przewidywał AF na podstawie EKG z prawidłowym rytmem zatokowym, podczas gdy ważny krok naprzód może nie mieć zastosowania w warunkach społecznych, w których rutynowe EKG nie zawsze są dostępne. W związku z tym opracowanie algorytmu predykcyjnego dla AF o nowym początku na podstawie rutynowych danych z elektronicznej dokumentacji medycznej podstawowej opieki zdrowotnej przy użyciu technik sztucznej inteligencji może dać możliwość wczesnego przełożenia na praktykę kliniczną. Badacze opracują i zweryfikują model uczenia się głębokich sieci neuronowych, wykorzystujący połączone elektroniczne dane medyczne (EHR) na dużą skalę z podstawowej opieki zdrowotnej, aby przewidzieć ryzyko nowego AF. Algorytm przewidywania zostanie przeszkolony i przetestowany pod kątem dokładności i solidności w przewidywaniu przyszłych zdarzeń AF przy użyciu łącza danych Clinical Practice Research Datalink (CPRD) — globalnej inicjatywy dotyczącej przewlekłej obturacyjnej choroby płuc (GOLD) i zostanie zweryfikowany zewnętrznie przy użyciu podobnych baz danych CPRD-AURUM, ale w różnych lokalizacjach geograficznych. Nowy algorytm predykcyjny zostanie porównany z szeregiem klasycznych technik uczenia maszynowego, a także tradycyjnymi metodami statystycznego modelowania predykcyjnego. W oczekiwaniu na udany model poprawiający dokładność przewidywania o co najmniej 5% w porównaniu z istniejącymi modelami, algorytm mógłby być łatwo dostępny za pośrednictwem bezpłatnego oprogramowania.