Анализ риска разрыва внутричерепной аневризмы через социальные детерминанты здоровья (ARAMISS)

Внутричерепные аневризмы (IA), наиболее распространенная внутричерепная артериальная порока, влияет на приблизительно 3% населения мира. Они характеризуются расширением сосудистой стенки во внутричерепной области, обычно при бифуркации. Наиболее страшным осложнением IA является разрыв, который связан с высокой заболеваемостью и смертностью. Около 30% пациентов сталкиваются с смертью или тяжелой инвалидностью, и даже среди пациентов, не имеющих видимых последствий, до 50% страдают от невидимой инвалидности, таких как когнитивные проблемы. Это объясняет значительное экономическое бремя разрыва МСФО, оцениваемое примерно в 168 миллионов фунтов стерлингов в год в Великобритании.

Одним из способов снижения этой заболеваемости и социальной нагрузки является выявление пациентов с высоким риском разрыва, чтобы определить тех, кто наиболее вероятно испытывает прогрессирование заболевания. Были разработаны различные инициативы, такие как ELAPSS, этапы и оценки UCAS, были разработаны для оценки риска разрыва в обычной клинической практике. Тем не менее, эти оценки в значительной степени полагаются на хорошо известные модифицируемые и не модифицируемые факторы риска, такие как этническая принадлежность, гипертония, пол, возраст, курение и история субарахноидального кровоизлияния. Несмотря на их полезность, их недостаточно для надежно стратификационного риска разрыва, недооценивая его примерно на 30%, что ограничивает их влияние в повседневной практике.

Недавние исследования выявили возникающий риск и защитные факторы, такие как синдром апноэ во сне, контроль липидов и использование антидиабетических, липидных или антигипертензивных методов лечения. Следовательно, необходимо вернуться к риску разрыва IA, рассмотрев эти факторы в отношении жилой среды пациентов.

Социальные детерминанты здоровья (SDOH) играют важную роль в этом контексте. Определяемые как условия жизни, которые влияют на здоровье индивидуального и населения, SDOH включают широкие факторы, такие как возраст, этническая принадлежность и пол, а также поведение наркомании, уровень доходов, воздействие на окружающую среду и социальное статус. По оценкам, они способствуют более 80% результатов здоровья населения. При сосудистых заболеваниях SDOH -такие как низкий уровень образования, ограниченный доход, социальная изоляция и низкая физическая активность -известно, что влияют на тяжесть заболевания за пределами традиционных факторов риска. По оценкам ВОЗ, сосудистые заболевания являются ведущей глобальной причиной смертности, причем 17,7 млн. Смерти в год, половина из которых можно предотвратить. Понимание и устранение SDOH, следовательно, имеет решающее значение для усилий по предотвращению общественного здравоохранения.

Первоначальные исследования влияния SDOH на разрыв IA ограничены, часто сосредотачиваясь на отдельных детерминантах. Необходим более полный подход к SDH, особенно с учетом отсутствия консенсусных руководств для управления МА. Текущие терапевтические варианты, хотя и продвинутые, все еще имеют периоперационную заболеваемость. Многовариантное моделирование и взвешенные композитные оценки могут помочь в решении сложности клинических факторов и факторов окружающей среды.

Данные SDH регулярно собираются в медицинских картах и ​​все чаще оцифровываются с помощью больничных информационных систем. Хранилиты данных о здоровье (HDW), такие как в Университетской больнице Университета Нант, интегрируют структурированные и неструктурированные данные от миллионов пациентов, что позволяет их повторное использование в исследовательских целях. Появление искусственного интеллекта (ИИ) позволило извлечь и анализировать эти данные, выявляя информацию из ранее недоступной информации.

Обработка естественного языка (NLP), филиал искусственного интеллекта, позволяет автоматизировать извлечение информации из текстовых медицинских карт, открывая потенциал неструктурированных данных в HDW. Современные модели, такие как Bert, Catgpt, Llama и Mistral, могут обрабатывать и анализировать большие объемы текста. Тем не менее, применение NLP к неанглийским языкам ограничено отсутствием аннотированных корпораций, проблем с конфиденциальностью и правилами суверенитета данных.

Проект ARAMISS направлен на изучение взаимодействия между SDH и известными факторами риска разрыва IA, сравнивая пациентов с неразрушимыми МСФО с пациентами с разрывами МС. Используя SDH, проект будет классифицировать пациентов в группы риска и пространственно анализировать данные пациентов с помощью API, таких как Datagouv. Кроме того, проект будет сосредоточен на разработке справедливых (доступных, доступных, совместимых, многократных) методологий для обмена своими алгоритмами и учебными корпусами с биомедицинским сообществом, сохраняя при этом соответствие нормативным требованиям.