Análise de risco da ruptura do aneurisma intracraniano por meio de determinantes sociais da saúde (ARAMISS)

Os aneurismas intracranianos (IA), a malformação arterial intracraniana mais comum, afetam aproximadamente 3% da população global. Eles são caracterizados por uma dilatação da parede vascular dentro da região intracraniana, normalmente em uma bifurcação. A complicação mais temida da IA ​​é a ruptura, que está associada a alta morbimortalidade. Cerca de 30% dos pacientes enfrentam morte ou incapacidade grave, e mesmo entre aqueles sem sequelas visíveis, até 50% sofrem de deficiências invisíveis, como problemas cognitivos. Isso explica o ônus econômico significativo do IAS rompido, estimado em aproximadamente £ 168 milhões anualmente no Reino Unido.

Uma maneira de reduzir essa morbidade e carga social é identificar pacientes com alto risco de ruptura para determinar aqueles com maior probabilidade de experimentar a progressão da doença. Várias iniciativas, como os decisos, fases e pontuações do UCAS, foram desenvolvidos para avaliar o risco de ruptura na prática clínica de rotina. No entanto, essas pontuações dependem amplamente de fatores de risco modificáveis ​​e não modificáveis ​​conhecidos, como etnia, hipertensão, sexo, idade, tabagismo e história da hemorragia subaracnóidea. Apesar de sua utilidade, eles são insuficientes para estratificar confiabilidade o risco de ruptura, subestimando -o em aproximadamente 30%, o que limita seu impacto na prática diária.

Pesquisas recentes identificaram fatores emergentes de risco e proteção, como síndrome da apneia do sono, controle lipídico e uso de tratamentos antidiabéticos, lipídios ou anti-hipertensivos. Portanto, é necessário revisitar o risco de ruptura da IA, considerando esses fatores em relação aos ambientes de vida dos pacientes.

Os determinantes sociais da saúde (SDOH) desempenham um papel crítico nesse contexto. Definidos como as condições de vida que influenciam a saúde individual e da população, o SDOH inclui fatores amplos, como idade, etnia e sexo, além de comportamentos de dependência, níveis de renda, exposição ambiental e status social. Estima -se que eles contribuam para mais de 80% dos resultados de saúde da população. Em doenças vasculares, os níveis de educação baixo, renda limitada, isolamento social e baixa atividade física -são conhecidas por impactar a gravidade da doença além dos fatores de risco tradicionais. A OMS estima que as doenças vasculares são a principal causa global de mortalidade, com 17,7 milhões de mortes anualmente, metade das quais são evitáveis. Entender e abordar o SDOH é, portanto, crucial para os esforços de prevenção de saúde pública.

Os estudos iniciais sobre o impacto do SDOH na ruptura da IA ​​são limitados, geralmente focados em determinantes individuais. É necessária uma abordagem mais abrangente do SDH, especialmente devido à falta de diretrizes de consenso para o gerenciamento da IA. As opções terapêuticas atuais, embora avançadas, ainda carregam morbidade perioperatória. Modelagem multivariável e pontuações compostas ponderadas podem ajudar a abordar a complexidade dos fatores clínicos e ambientais.

Os dados do SDH são rotineiramente coletados em registros médicos e cada vez mais digitalizados através dos sistemas de informações hospitalares. Warehouses de dados de saúde (HDWs), como o do Hospital Universitário de Nantes, integram dados estruturados e não estruturados de milhões de pacientes, permitindo sua reutilização para fins de pesquisa. O advento da inteligência artificial (IA) possibilitou extrair e analisar esses dados, revelando informações de informações anteriormente inacessíveis.

O processamento de linguagem natural (PNL), um ramo da IA, permite a extração automatizada de informações dos registros médicos textuais, desbloqueando o potencial de dados não estruturados no HDWS. Modelos de ponta, como Bert, ChatGPT, Llama e Mistral, podem processar e analisar grandes volumes de texto. No entanto, a aplicação da PNL a idiomas não ingleses é restringida pela falta de corpora anotada, preocupações com a privacidade e regulamentos de soberania de dados.

O Projeto Aramiss visa investigar a interação entre SDH e fatores de risco conhecidos para ruptura da IA, comparando pacientes com IAS não recorrente com aqueles com IAS rompida. Usando o SDH, o projeto classificará os pacientes em grupos de risco e analisará espacialmente os dados do paciente por meio de APIs como DataGouV. Além disso, o projeto se concentrará no desenvolvimento de metodologias justas (encontradas, acessíveis, interoperáveis, reutilizáveis) para compartilhar seus algoritmos e treinar corpora com a comunidade biomédica, mantendo a conformidade regulatória.