Förutsäga nystartat förmaksflimmer på patientnivå

Förmaksflimmer (AF) är ett vanligt kroniskt tillstånd med betydande inverkan på hälsoresultaten. Många fall av AF upptäcks för sent - som en manifestation av stroke, hjärtsvikt eller annan komplikation. Även om tidigare upptäckt av AF ger möjlighet att förhindra för tidig hjärt-kärlsjukdom, rekommenderas inte populationsscreening.

Förmaksflimmer (AF) är ett ledande kardiovaskulärt hälsoproblem. Det är den vanligaste ihållande hjärtarytmin som drabbar 1-2 % av befolkningen i Europa och USA, med en livstidsrisk på en av fyra i den allmänna befolkningen. Det har en ökande prevalens när befolkningen åldras. Följaktligen kommer dessa uppskattningar sannolikt att öka och är för närvarande underskattade med tanke på att AF länge kan förbli odiagnostiserad. AF ådrar sig 1-3 % av sjukvårdskostnaderna till följd av stroke, plötslig död, hjärtsvikt, oplanerad sjukhusvistelse och tillhörande komplikationer. Den resulterande framväxande AF-epidemin och dess associerade kostsamma komplikationer (inklusive, men inte begränsat till stroke, depression, hjärtsvikt, akut kranskärlssyndrom, kognitiv försämring och oplanerad sjukhusvistelse) har säkerställt att AF nu är ett stort hot mot en hälsosam livslängd. Den tidiga diagnosen av AF, helst före manifestationen av den första komplikationen, är fortfarande en stor utmaning för folkhälsan. Medan för vissa patienter kan AF uppvisa symtomatisk hjärtklappning, för andra kan den första diagnosen AF vara när de uppvisar för vårdpersonal med stroke, akut hjärtdekompensation eller exacerbation av samsjuklighet - ett stadium som är onödigt sent i sjukdomsbanan. Detta beror på att många patienter med AF kanske inte har AF-relaterade symtom. Med tanke på att nästan en tredjedel av patienterna som är inlagda på en strokeavdelning har AF vid tidpunkten för inläggningen på sjukhus och att orala antikoagulantia minskar risken för stroke med upp till två tredjedelar hos dem med AF som löper högre risk att drabbas av stroke. ett övertygande argument för tidigare upptäckt av AF. För detta ändamål rekommenderas nu opportunistisk screening för AF (pulspalpering följt av EKG hos patienter med oregelbunden puls) hos patienter i åldern 65 år och äldre i nationella och internationella riktlinjer. Internationella riktlinjer rekommenderar också användningen av ett 12-avlednings-EKG och ambulerande rytmmonitorer (inom ökande varaktighet beroende på upplevd risk för AF), eskalerande till implanterbara blylösa AF-registratorer hos patienter med misstänkt men odiagnostiserad AF - och var och en med konsekvenser för vårdkostnader och patienten tillfredsställelse. Även om det finns lovande resultat från systematisk screening av äldre populationer för AF med hjälp av självmanövrerade enheter, finns det för närvarande ingen rekommendation i Storbritannien (UK) för populationsomfattande systematisk screening för AF eftersom det ännu inte är klart om de identifierade som vid risk skulle gynnas av tidig diagnos. Forskning behövs faktiskt för att bättre förstå detektionshastigheten, diagnostisk noggrannhet, resultaten av sådana program, såväl som för att definiera i vilka subpopulationer AF-screening skulle erbjuda det största värdet för patienten och folkhälsan.

Identifieringen av AF har viktiga patient- och kliniska konsekvenser. De patienter med högre risk för stroke (CHADSVASC-poäng ≥ 2) utan kontraindikation bör erbjudas strokeprofylax med oralt antikoagulantia. Dessutom kommer de flesta patienter med AF att ha strokeriskfaktorer, vilket gör dem berättigade till ett oralt antikoagulantia, och många kommer att ha samtidig hjärt-kärlsjukdom (såsom högt blodtryck, hjärtklaffsjukdom eller hjärtsvikt) vilket gör dem berättigade för vidare utredning eller behandling. På samma sätt, hos dem med AF som har låg risk för stroke (och därför inte kvalificerar sig för oral antikoagulation), rekommenderas övervakning för att öka risken för stroke. Att förutsäga exakt om och när en person kommer att få ny debut av AF kan tillåta fenotyp och tidsspecifik (därmed mer effektiv) screening, samt identifiera förmodade riskmarkörer för AF-etiologi. Till exempel kan patienter som för närvarande har sinusrytm, men med högre risk för stroke och som förutspås utveckla AF vid en specifik tidpunkt i framtiden, dra nytta av screening för AF närmare det prognostiserade datumet. På samma sätt kan modifierbara riskfaktorer för utveckling av AF och för risk för stroke behandlas proaktivt i ljuset av kunskap om högre risk för ny debut av AF, och nya riskfaktorer studerade för kausalitet. Andra möjliga forskningsmöjligheter kan inkludera studier av patienter som inte har och inte förutspås ha AF, och utvärdering av livsstil, apparatteknologi och farmakoterapeutiska strategier för att minska risken för AF hos patienter med hög förutspådd risk för nystartad AF.

Hittills har ett antal AF-riskförutsägelseverktyg utvecklats, inklusive de från CHARGE-AF-konsortiet, Framingham Heart Study, CHADS-poängen, CHADSVASC-poängen och CHEST-poängen, bland andra. CHEST-poängen (strukturell hjärtsjukdom, hjärtsvikt, ålder ≥ 75 år, kranskärlssjukdom, hypertyreos, kronisk obstruktiv lungsjukdom (KOL) och högt blodtryck) härrörde från 471 446 försökspersoner från den kinesiska Yunnan Insurance Database och validerade i 451, 19 försökspersoner Koreanska National Health Insurance Service visade sig förutsäga framtida incident AF. Av de 4764 deltagarna i Framingham Heart Study, ålder, kön, kroppsmassaindex, systoliskt blodtryck, behandling för hypertoni, tiden från början av P-vågen till starten av det ventrikulära depolarisationskomplexet (PR-intervall) ), kliniskt signifikant hjärtmuskel och hjärtsvikt visade sig med hjälp av överlevnadsmodellering vara komponenter i en poäng som förutsäger incident AF efter 10 år. Men var och en av de hittillsvarande studierna är begränsade av en eller flera av deras användning av geografiskt avlägsna data, historiska data, små datauppsättningar, brist på tidsinformation, grov riskmodellering med åtföljande suboptimal modellprestanda och/eller prediktorvariabler som inte är lätt tillgängliga till allmänläkaren. Förståeligt nog har ingen nått utbredd klinisk praxis. Artificiell intelligens underlättar användningen av stora mängder händelsedata och tillhörande tidsinformation (som den i primärvårdens datauppsättningar), hanterar ett stort antal prediktorer med automatiska variabelvalstekniker, tillgodoser olinjäriteter och interaktioner mellan variabler, möjliggör ett levande lärande ( varvid förutsägelsemodellen uppdateras automatiskt), och kan använda populationsomfattande data för att förutsäga om och när det kommer att finnas ny debut av AF för en individ. En rad artificiell intelligens (AI)-tekniker har tillämpats på EPJ-data och har visat bättre diagnostisk och förutsägelsekraft över traditionella statistiska tillvägagångssätt i storskalig EPJ-data. Ändå, som framhållits nyligen, är det viktigt att identifiera modeller som är kliniskt användbara. Till exempel, en studie som utvecklade en AI-aktiverad EKG-algoritm som förutspådde AF från EKG med normal sinusrytm, medan ett viktigt steg framåt kanske inte är tillämpligt i samhället där rutin-EKG inte alltid är tillgängliga. Att utveckla en prediktiv algoritm för nystartad AF från rutinmässig primärvårds elektroniska journaldata med hjälp av AI-tekniker skulle således kunna erbjuda möjlighet till tidig översättning till klinisk praxis. Utredarna kommer att utveckla och validera en inlärningsmodell för djupa neurala nätverk, med hjälp av storskaliga länkade elektroniska hälsojournaler (EHR) från primärvården, för att förutsäga risken för ny AF. Prediktionsalgoritmen kommer att tränas och testas för dess noggrannhet och robusthet i att förutsäga framtida AF-händelser med hjälp av Clinical Practice Research Datalink (CPRD)-Global initiative for chronic Obstructive Lung Disease (GOLD), och kommer att externt valideras med hjälp av liknande databaser CPRD-AURUM men på olika geografiska platser. Den nya prediktiva algoritmen kommer att jämföras med en rad klassiska maskininlärningstekniker såväl som traditionella statistiska prediktiva modelleringsmetoder. I avvaktan på en framgångsrik modell för att förbättra förutsägningsnoggrannheten med minst 5 % jämfört med befintliga modeller, kan algoritmen göras lättillgänglig genom gratis programvara.