Provocarea stratificării riscului post-STEMI
Infarctul miocardic cu supradenivelare de segment ST (STEMI) rămâne o problemă majoră de sănătate publică la nivel global, afectând anual peste două milioane de persoane. Deși intervenția coronariană percutanată (PCI) reprezintă tratamentul standard pentru deblocarea arterelor, un număr semnificativ de pacienți rămân într-o zonă de risc ridicat chiar și după finalizarea cu succes a procedurii. Medicii s-au bazat mult timp pe instrumente tradiționale de evaluare, precum scorul GRACE 2.0, pentru a estima riscul de mortalitate. Totuși, aceste metode sunt concepute adesea pentru a evalua riscul înainte de intervenție, creând un gol în procesul decizional bazat pe date în fereastra critică imediat următoare operației.
Dr. Andrea Rafanelli, de la Amsterdam University Medical Centre, subliniază că modelele actuale sunt adesea limitate de dependența lor de variabile complexe și atipice, dificil de monitorizat în practica clinică curentă. Pentru a remedia acest neajuns, cercetătorii au lansat proiectul PERISCOPE (Patient Risk StratifiCation for Post-STEMI Complications), care urmărește dezvoltarea unei alternative bazate pe machine learning, precisă și ușor de implementat de către personalul spitalicesc.
Avantajul PERISCOPE
Proiectul PERISCOPE s-a concentrat pe dezvoltarea unor modele de regresie logistică antrenate pe un volum masiv de date medicale. Utilizând baza de date americană PREMIER PINC AI Healthcare, care include peste 38.000 de pacienți, cercetătorii au creat o fundație robustă. Aceste modele au fost testate ulterior pe un set de date secundar de peste 119.000 de pacienți și validate extern prin înregistrări medicale electronice de la Amsterdam UMC. Consistența rezultatelor în populații diverse și dispersate geografic sugerează un nivel ridicat de generalizare, o provocare comună pentru instrumentele medicale bazate pe AI.
În comparație directă cu sistemul de scorare GRACE 2.0, modelele PERISCOPE au demonstrat o putere de discriminare superioară în prezicerea mortalității intraspitalicești și a celei înregistrate în primele șase luni de la externare. Analiza statistică a arătat că modelele PERISCOPE au depășit constant performanțele metodelor de scorare consacrate, oferind clinicienilor o perspectivă mai fiabilă asupra evoluției postoperatorii a pacienților.
De ce contează
- Triaj îmbunătățit: Modelul permite furnizorilor de servicii medicale să identifice pacienții care necesită o monitorizare mai atentă sau îngrijire spitalicească prelungită imediat după procedură.
- Generalizare: Spre deosebire de numeroase modele specializate care eșuează când sunt aplicate pe populații diferite, PERISCOPE a demonstrat o performanță stabilă pe seturi de date mari și eterogene.
- Informații acționabile: Bazându-se pe date clinice de rutină, modelul poate fi integrat cu ușurință în fluxurile de lucru digitale existente, fără a necesita măsurători specializate, greu de obținut.
Perspective de viitor și implementare
Deși indicatorii de performanță sunt promițători, cercetătorii recunosc că drumul de la modelul digital la patul pacientului abia începe. Următoarea etapă pentru echipa PERISCOPE vizează studii prospective pentru a vedea cum se transpun aceste predicții în practica clinică reală. După cum notează dr. Rafanelli, capacitatea predictivă este doar jumătate din ecuație; valoarea reală constă în determinarea modului optim de utilizare a acestor informații despre risc — fie prin creșterea frecvenței vizitelor de monitorizare, ajustări ale medicației sau perioade de recuperare extinse — pentru a îmbunătăți considerabil longevitatea pacienților. Pe măsură ce cercetarea avansează, echipa intenționează să extindă această tehnologie dincolo de STEMI, incluzând o gamă mai largă de sindroame coronariene acute, cu scopul de a stabili un nou standard în monitorizarea cardiacă în era digitală.
