Risco Tromboembólico Associado a Fibrilhação Auricular de Alto Risco (MATHIAS)

A fibrilhação auricular e as suas complicações tromboembólicas representam um desafio clínico e socioeconómico crescente na Europa. A FA está fortemente associada a acidente vascular cerebral (AVC), eventos cardiovasculares adversos maiores (MACE), incapacidade e mortalidade, afetando desproporcionadamente os adultos mais velhos. À medida que a população europeia envelhece, prevê-se que a prevalência de FA e de AVC relacionado com FA aumente substancialmente, levando a gastos de saúde crescentes e a um fardo societal. Só os cuidados com o AVC custam em média 22.605,66 € no primeiro ano, impulsionados em grande parte pela hospitalização e dependência a longo prazo, com 45-50% dos sobreviventes a apresentarem incapacidade residual. A prevenção de eventos tromboembólicos relacionados com FA representa, portanto, uma prioridade tanto clínica como económica.

Do ponto de vista clínico, existe uma necessidade crítica não satisfeita de melhorar a estratificação de risco tromboembólico a montante em indivíduos com alto risco de FA. Embora vários modelos de predição de FA possam estimar a probabilidade de FA incidente ao longo de 5-10 anos, e o rastreio sistemático de adultos com idade ≥65 anos tenha demonstrado poupanças de custos através da prevenção do AVC, falta uma ferramenta validada para orientar o início da anticoagulação em indivíduos de alto risco sem FA estabelecida. A prática padrão atual baseia-se na pontuação CHA₂DS₂-VASc uma vez que a FA é diagnosticada; no entanto, esta pontuação tem limitações reconhecidas. Não incorpora vários modificadores de risco relevantes, como doença renal crónica, cancro, biomarcadores, anomalias eletrocardiográficas ou etnia, e pode discriminar inadequadamente o risco em certos subgrupos, incluindo mulheres e doentes com multimorbilidade. Consequentemente, a tomada de decisão clínica frequentemente vai além da pontuação, refletindo a necessidade de ferramentas mais abrangentes e precisas.

Evidências emergentes apoiam o conceito de FA como um continuum clínico. Um substrato atrial protrombótico pode preceder a arritmia manifesta, criando um estágio "pré-FA" durante o qual o risco tromboembólico já está elevado. As diretrizes ACC/AHA/ACCP/HRS de 2023 reconhecem formalmente os estágios "em risco" e "pré-FA", destacando uma oportunidade para intervenção preventiva mais precoce. No entanto, as ferramentas práticas para identificar e estratificar esta população nos cuidados primários de rotina permanecem limitadas.

A inteligência artificial (IA) oferece uma estratégia promissora para abordar estas lacunas. Ao alavancar dados de registos eletrónicos de saúde (EHR) de alta dimensão, os modelos de IA podem capturar interações complexas e não lineares entre fatores de risco clássicos e emergentes, podendo fornecer uma predição de risco tromboembólico individualizada mais precisa do que as pontuações tradicionais. As primeiras abordagens de aprendizagem automática (ML) demonstraram uma discriminação melhorada para FA e eventos cardiovasculares em comparação com modelos convencionais.

O projeto MATHIAS (risco tROMboembólico ASsociado ao alto risco de fibrilhação auricular) visa desenvolver e validar prospetivamente um modelo baseado em IA para estimar o risco tromboembólico em adultos com idade ≥65 anos com alto risco de FA, utilizando dados de EHR de cuidados primários do mundo real. Este modelo será integrado num percurso de cuidados digitalmente capacitado, incorporando rastreio fotopletismográfico direcionado e orientado pelo risco, e decisões de anticoagulação individualizadas. O objetivo é melhorar a deteção precoce, refinar as estratégias de anticoagulação e personalizar o controlo do ritmo e a gestão das comorbilidades.

Análises preliminares retrospetivas baseadas em coortes validadas de estratificação de risco de FA (AFRICAT NCT03188484 e PREFATE NCT05772806) e cinco modelos piloto de ML demonstraram resultados promissores. O modelo Adaboost superou significativamente o CHA₂DS₂-VASc na predição de MACE (AUC 99,99% vs. 81,71%; p = 0,0034). Embora estes resultados sejam encorajadores, é necessária uma avaliação prospetiva e multicêntrica para avaliar a generalizabilidade, os intervalos de seguimento ideais, a seleção de doentes (incluindo alto risco, AIT/AVC e vários estratos CHA₂DS₂-VASc) e o impacto em resultados importantes para o doente, como AVC, hemorragia, qualidade de vida e custo-efetividade.

O projeto também incorpora um modelo de decisão analítica de Markov para estimar MACE, AVC, incapacidade, anos de vida ajustados pela qualidade (QALYs) e custos, tanto do ponto de vista do pagador de cuidados de saúde como do ponto de vista societal. Análises de cenário avaliarão se a integração do modelo de IA nos cuidados de rotina é custo-efetiva em comparação com os cuidados habituais, o rastreio oportunista ou as estratégias baseadas em wearables. Será dada atenção especial aos resultados específicos por sexo e potenciais desigualdades na distribuição dos benefícios.

O impacto clínico antecipado inclui a redução da incidência de MACE para abaixo de 50 por 1000 pessoas-ano em populações de alto risco, a redução da proporção de AVC relacionado com FA para menos de 10%, a melhoria da adequação da anticoagulação em até 65% dos doentes elegíveis e a garantia de que pelo menos 90% dos indivíduos de alto risco recebem terapia anticoagulante oral apropriada. A adesão a percursos de cuidados estruturados para FA (por exemplo, AF-CARE) já foi associada a reduções significativas na mortalidade por todas as causas e em MACE; a integração da estratificação de risco orientada por IA pode potenciar ainda mais estes benefícios.

Economicamente, embora o rastreio e o uso mais amplo de anticoagulantes possam inicialmente aumentar os custos diretos, espera-se que a prevenção do AVC gere poupanças substanciais a longo prazo. Só na Catalunha, as poupanças anuais estimadas para populações de alto risco com FA variam entre 12,3 milhões e 79,2 milhões de €. Reduções na gravidade do AVC, na incapacidade e nas hospitalizações atenuarão tanto os custos médicos diretos como os custos societais indiretos relacionados com a perda de produtividade e a dependência a longo prazo.

Em resumo, este projeto aborda uma lacuna importante na prevenção cardiovascular, desenvolvendo e implementando um modelo de estratificação de risco tromboembólico orientado por IA para indivíduos com alto risco de FA. Ao alinhar-se com as diretrizes europeias contemporâneas e as estratégias de medicina de precisão, a iniciativa procura melhorar a identificação precoce, personalizar as decisões terapêuticas, reduzir a carga de MACE e AVC, preservar a autonomia e a qualidade de vida do doente e garantir uma utilização sustentável dos recursos de saúde.