MATHIAS
Generación de un modelo de aprendizaje automático para la predicción más precisa de riesgo de accidente cerebrovascular en pacientes ya en un alto riesgo de sufrir una fibrilación auricular (FA), antes del diagnóstico de la FA por un episodio de ictus.
¿Te interesa?Necesidad
La Fibrilación Auricular (FA) es el trastorno más prevalente del ritmo cardíaco vinculado al envejecimiento demográfico y factores de riesgo conocidos y no tan conocidos. Claramente se asocia a riesgos de salud graves, especialmente el riesgo de sufrir un ictus que es más grave y complejo clínicamente, además de estar asociado a un mayor riesgo de discapacidad residual. Además, hasta en un 30% de los casos, esta alteración del ritmo es desconocida y, por lo tanto, no tratada cuando se produce el ictus o complicación tromboembólica. Tanto una FA no diagnosticada como un alto riesgo de sufrirla se asocian a un incremento del riesgo tromboembólico que podría ser disminuido mediante un tratamiento anticoagulante precoz y apropiado.
Solución
Mediante la evaluación personalizada de riesgo de sufrir un evento cardiovascular adverso se pueden mejorar preventivamente las estrategias de tratamiento individuales, considerando factores como estrategias de anticoagulación, control del ritmo frente al control de la frecuencia, ablación por catéter frente a terapia médica y modificación de factores de riesgo, junto a la incorporación de técnicas avanzadas de aprendizaje automático y comparación de los resultados predictivos con la escala más utilizada (las variables CHA2DS2-VASc).
Objetivo
Mejorar los resultados de los pacientes y reducir los costos de atención médica avanzando dentro del campo de la medicina personalizada en el manejo de la FA.