I ricercatori hanno sviluppato e validato esternamente FIND-AF 2.0, un modello di machine learning che utilizza le cartelle cliniche elettroniche per identificare i pazienti ad alto rischio di sviluppare fibrillazione atriale (FA). In uno studio di screening prospettico su 1.923 adulti, la FA è stata rilevata nel 4,5% dei partecipanti ad alto rischio rispetto allo 0,6% degli individui a basso rischio (OR 8,46; P<0,001), superando i punteggi di rischio convenzionali come il CHA₂DS₂-VASc. L'implementazione di questo approccio basato sulle cartelle cliniche elettroniche potrebbe consentire uno screening mirato della FA nella medicina generale e in cardiologia, individuando precocemente la FA ad alto carico e riducendo il rischio di ictus ischemico (6,0 eventi per 100 anni-paziente) nei pazienti non trattati.
Lo screening per la fibrillazione atriale (FA) basato sul rischio di FA potrebbe essere più efficace. Lo scopo di questo studio è stato sviluppare, validare esternamente e testare in modo prospettico un modello predittivo di machine learning basato sui cartelle cliniche elettroniche (EHR) per guidare lo screening della FA.
Abbiamo sviluppato e validato un modello predittivo random forest per la comparsa di nuova FA entro 6 mesi, utilizzando età, sesso e 10 comorbidità (Future Innovations in Novel Detection of Atrial Fibrillation [FIND-AF] 2.0) presenti nelle cartelle cliniche elettroniche (EHR) del Regno Unito (n=2 081 139), Giappone (n=7 795 244), Israele (n=2 166 795), Canada (n=627 919) e Cina (n=149 145). Abbiamo condotto uno studio prospettico in cui i partecipanti di età ≥30 anni senza FA e con punteggio CHA2DS2-VASc ≥2 negli uomini e ≥3 nelle donne, stratificati in base a FIND-AF 2.0 in alto e basso rischio, hanno eseguito 4 registrazioni ECG al giorno per 3 settimane utilizzando un registratore ECG portatile, con come outcome principale la diagnosi di nuova FA. Abbiamo stimato il rischio di ictus associato alla FA non anticoagulata nei pazienti ad alto rischio FIND-AF 2.0 nel registro FinACAF (Finnish Anticoagulation in Atrial Fibrillation) di pazienti con FA (n=229 565).
FIND-AF 2.0 è stato applicabile a tutte le EHR e ha mostrato una buona o eccellente capacità predittiva (Regno Unito: area sotto la curva ROC [AUROC], 0,819 [IC 95%, 0,809-0,829]; Israele: AUROC, 0,835 [IC 95%, 0,828-0,842]; Giappone: AUROC, 0,751 [IC 95%, 0,745-0,757]; Canada: AUROC, 0,747 [IC 95%, 0,741-0,753]; Cina: AUROC, 0,753 [IC 95%, 0,725-0,771]), con AUROC >0,7 sia negli uomini che nelle donne in tutte le coorti, e una performance migliorata rispetto a CHA2DS2-VASc e C2HEST (malattia coronarica o malattia polmonare ostruttiva cronica [1 punto ciascuno]; ipertensione [1 punto]; età avanzata [età ≥75 anni, 2 punti]; scompenso cardiaco sistolico [2 punti]; malattia tiroidea [ipertiroidismo, 1 punto]). Su 1923 partecipanti provenienti da 15 siti nello studio prospettico (età media, 70,2 [DS 9,4] anni), con una media di 74,8 (DS, 19,4) registrazioni ECG, la FA è stata diagnosticata in 5 su 902 (0,6%) con basso rischio FIND-AF 2.0 e in 46 su 1021 (4,5%) con alto rischio FIND-AF 2.0 (odds ratio, 8,46 [IC 95%, 3,35-21,40], P<0,001). Il carico medio di FA tra i casi rilevati ad alto rischio FIND-AF 2.0 è stato del 33,4% (intervallo interquartile, 5,1%-91,6%), e il 96,1% ha iniziato l'assunzione di anticoagulanti orali. Nel registro FinACAF, il tasso di ictus ischemico per i pazienti ad alto rischio FIND-AF 2.0, con FA e senza anticoagulanti è stato di 6,0 eventi per 100 anni-paziente.
Il modello di machine learning basato sulle EHR, FIND-AF 2.0, identifica una sottopopolazione ad alto rischio per la diagnosi di FA tra i pazienti a rischio elevato di ictus e potrebbe consentire uno screening della FA scalabile, guidato dalle EHR e basato sul rischio.
