MATHIAS
Generaci贸n de un modelo de aprendizaje autom谩tico para la predicci贸n m谩s precisa de riesgo de accidente cerebrovascular en pacientes ya en un alto riesgo de sufrir una fibrilaci贸n auricular (FA), antes del diagn贸stico de la FA por un episodio de ictus.
驴Te interesa?Necesidad
La Fibrilaci贸n Auricular (FA) es el trastorno m谩s prevalente del ritmo card铆aco vinculado al envejecimiento demogr谩fico 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 m谩s grave y complejo cl铆nicamente, adem谩s de estar asociado a un mayor riesgo de discapacidad residual. Adem谩s, hasta en un 30% de los casos, esta alteraci贸n del ritmo es desconocida y, por lo tanto, no tratada cuando se produce el ictus o complicaci贸n tromboemb贸lica. Tanto una FA no diagnosticada como un alto riesgo de sufrirla se asocian a un incremento del riesgo tromboemb贸lico que podr铆a ser disminuido mediante un tratamiento anticoagulante precoz y apropiado.
Soluci贸n
Mediante la evaluaci贸n personalizada de riesgo de sufrir un evento cardiovascular adverso se pueden mejorar preventivamente las estrategias de tratamiento individuales, considerando factores como estrategias de anticoagulaci贸n, control del ritmo frente al control de la frecuencia, ablaci贸n por cat茅ter frente a terapia m茅dica y modificaci贸n de factores de riesgo, junto a la incorporaci贸n de t茅cnicas avanzadas de aprendizaje autom谩tico y comparaci贸n de los resultados predictivos con la escala m谩s utilizada (las variables CHA2DS2-VASc).
Objetivo
Mejorar los resultados de los pacientes y reducir los costos de atenci贸n m茅dica avanzando dentro del campo de la medicina personalizada en el manejo de la FA.