MATHIAS
Generació d'un model d'aprenentatge automàtic per a la predicció més precisa de risc d'accident cerebrovascular en pacients ja en un alt risc de patir una fibril·lació auricular (FA), abans del diagnòstic de la FA per un episodi d'ictus.
T'interessa?Necessitat
La Fibril·lació Auricular (FA) és el trastorn més prevalent del ritme cardíac vinculat a l’envelliment demogràfic i factors de risc coneguts i no tan coneguts. Clarament s’associa a riscos de salut greus, especialment el risc de patir un ictus que és més greu i complex clínicament, a més d’estar associat a un major risc de discapacitat residual. A més, fins a un 30% dels casos, aquesta alteració del ritme cardíac és desconeguda i, per tant, no tractada quan es produeix l’ictus o complicació tromboembòlica. Tant una FA no diagnosticada com un alt risc de patir-la s’associen a un increment del risc tromboembòlic que podria ser disminuït mitjançant un tractament anticogulant precoç i apropiat.
Solució
Mitjançant l’avaluació personalitzada de risc de patir un esdeveniment cardiovascular advers es poden millorar preventinament les estratègies de tractament individuals, considerant factors com estratègies d’anticoagulació, control del ritme enfront del control de la freqüència, ablació per catèter enfront de teràpia mèdica i modificació de factors de risc, juntament amb la incorporació de tècniques avançades d’aprenentatge automàtic i comparació dels resultats predictius amb l’escala més utilitzada (les variables CHA2DS2-VASc).
Objetiu
Millorar els resultats dels pacients i reduir els costos d’atenció mèdica avançant dins del camp de la medicina personalitzada en el maneig de la FA.