EN Menu

1 Σεπ. 2026

Έλεγχος κολπικής μαρμαρυγής με βάση τον κίνδυνο χρησιμοποιώντας ηλεκτρονικά ιατρικά αρχεία.

Ramesh Nadarajah, Jianhua Wu, Ali Wahab et al. - Circulation

Οι ερευνητές ανέπτυξαν και εξωτερικά επικύρωσαν το FIND-AF 2.0, ένα μοντέλο μηχανικής μάθησης που χρησιμοποιεί ηλεκτρονικά ιατρικά αρχεία για τον εντοπισμό ασθενών με υψηλό κίνδυνο εμφάνισης κολπικής μαρμαρυγής (ΚΜ). Σε μια προοπτική μελέτη ελέγχου σε 1.923 ενήλικες, η ΚΜ ανιχνεύθηκε στο 4,5% των συμμετεχόντων υψηλού κινδύνου σε σύγκριση με το 0,6% των ατόμων χαμηλού κινδύνου (OR 8,46· P<0,001), ξεπερνώντας τους συμβατικούς βαθμολογικούς πίνακες κινδύνου όπως το CHA₂DS₂-VASc. Η εφαρμογή αυτής της προσέγγισης με βάση τα ηλεκτρονικά ιατρικά αρχεία θα μπορούσε να επιτρέψει τον στοχευμένο έλεγχο για ΚΜ στην πρωτοβάθμια φροντίδα και στην καρδιολογία, εντοπίζοντας νωρίτερα την ΚΜ με υψηλό φορτίο και μειώνοντας τον κίνδυνο αγγειακού εγκεφαλικού επεισοδίου (6,0 επεισόδια ανά 100 έτη-ασθενούς) σε μη θεραπευόμενους ασθενείς.

Υπόβαθρο

Ο έλεγχος για κολπική μαρμαρυγή (ΚΜ) με βάση τον κίνδυνο ΚΜ μπορεί να είναι πιο αποτελεσματικός. Στόχος μας ήταν να αναπτύξουμε, να εξωτερικά επικυρώσουμε και να δοκιμάσουμε προοπτικά ένα μοντέλο πρόβλεψης τεχνητής νοημοσύνης, χρησιμοποιώντας ηλεκτρονικά αρχεία υγείας (EHR), για την καθοδήγηση του ελέγχου για ΚΜ.

Μέθοδοι

Αναπτύξαμε και επικυρώσαμε ένα μοντέλο πρόβλεψης δέντρου αποφάσεων (random forest) για νέα ΚΜ εντός 6 μηνών, χρησιμοποιώντας ηλικία, φύλο και 10 συνοδά νοσήματα (Future Innovations in Novel Detection of Atrial Fibrillation [FIND-AF] 2.0) στα ηλεκτρονικά αρχεία υγείας (EHR) στο Ηνωμένο Βασίλειο (n=2 081 139), την Ιαπωνία (n=7 795 244), το Ισραήλ (n=2 166 795), τον Καναδά (n=627 919) και την Κίνα (n=149 145). Διεξήγαγουμε μια προοπτική μελέτη στην οποία συμμετείχαν άτομα ηλικίας ≥30 ετών χωρίς ΚΜ και με βαθμολογία CHA2DS2-VASc ≥2 στους άνδρες και ≥3 στις γυναίκες, οι οποίοι ταξινομήθηκαν με βάση το FIND-AF 2.0 σε υψηλού και χαμηλού κινδύνου κατηγορίες, και πραγματοποίησαν 4 ηχογραφήσεις ΗΚΓ την ημέρα για 3 εβδομάδες χρησιμοποιώντας φορητή συσκευή ηχογράφησης ΗΚΓ, με πρωταρχικό τελικό σημείο τη διάγνωση νέας ΚΜ. Εκτιμήσαμε τον κίνδυνο αγγειακού εγκεφαλικού επεισοδίου που σχετίζεται με μη αντιπηκτικά υποκείμενη ΚΜ σε ασθενείς με υψηλό κίνδυνο FIND-AF 2.0 από την εγγραφή FinACAF (Finnish Anticoagulation in Atrial Fibrillation) ασθενών με ΚΜ (n=229 565).

Αποτελέσματα

Το FIND-AF 2.0 ήταν εφαρμόσιμο σε όλα τα EHR και έδειξε καλή έως εξαιρετική απόδοση πρόβλεψης (Ηνωμένο Βασίλειο: εμβαδόν κάτω από την καμπύλη δέσμης χαρακτηριστικών [AUROC], 0,819 [95% CI, 0,809-0,829]; Ισραήλ: AUROC, 0,835 [95% CI, 0,828-0,842]; Ιαπωνία: AUROC, 0,751 [95% CI, 0,745-0,757]; Καναδάς: AUROC, 0,747 [95% CI, 0,741-0,753]; Κίνα: AUROC, 0,753 [95% CI, 0,725-0,771]), με AUROC>0,7 σε άνδρες και γυναίκες σε όλες τις ομάδες μελέτης, και βελτιωμένη απόδοση σε σύγκριση με το CHA2DS2-VASc και το C2HEST (στεφανιαία νόσος ή χρόνια αποφρακτική πνευμονοπάθεια [1 πόντος η καθεμία]; υπέρταση [1 πόντος]; ηλικιωμένοι [ηλικία ≥75 ετών, 2 πόντοι]; συστολική καρδιακή ανεπάρκεια [2 πόντοι]; θυρεοειδοπάθεια [υπερθυρεοειδισμός, 1 πόντος]). Από τους 1923 συμμετέχοντες από 15 κέντρα στην προοπτική μελέτη (μέση ηλικία, 70,2 [ΤΠ 9,4] έτη), με μέσο όρο 74,8 (ΤΠ, 19,4) ηχογραφήσεις ΗΚΓ, διαγνώστηκε ΚΜ σε 5 από 902 (0,6%) με χαμηλό κίνδυνο FIND-AF 2.0 και σε 46 από 1021 (4,5%) με υψηλό κίνδυνο FIND-AF 2.0 (λόγος πιθανοτήτων, 8,46 [95% CI, 3,35-21,40], P<0,001). Η διάμεση επιβάρυνση από ΚΜ μεταξύ των περιπτώσεων που ανιχνεύθηκαν με υψηλό κίνδυνο FIND-AF 2.0 ήταν 33,4% (διατεταρτημοριακό εύρος, 5,1%-91,6%), και το 96,1% ξεκίνησε θεραπεία με από του στόματος αντιπηκτικά. Στην εγγραφή FinACAF, ο ρυθμός ισχαιμικού αγγειακού εγκεφαλικού επεισοδίου για ασθενείς με υψηλό κίνδυνο FIND-AF 2.0, ΚΜ και χωρίς αντιπηκτικά ήταν 6,0 επεισόδια ανά 100 έτη ασθενούς.

Συμπεράσματα

Το μοντέλο τεχνητής νοημοσύνης βασισμένο στα EHR, FIND-AF 2.0, εντοπίζει μια υποομάδα υψηλού κινδύνου για διάγνωση ΚΜ μεταξύ ασθενών σε αυξημένο κίνδυνο αγγειακού εγκεφαλικού επεισοδίου και θα μπορούσε να καταστήσει εφικτό τον κλιμακούμενο, βασισμένο στα EHR και καθοδηγούμενο από τον κίνδυνο, έλεγχο για ΚΜ.