Giới thiệu
Rung nhĩ (Atrial Fibrillation, AF) là rối loạn nhịp tim kéo dài thường gặp nhất và có liên quan chặt chẽ với nguy cơ đột quỵ thiếu máu cục bộ tăng cao. Phát hiện sớm AF là rất quan trọng vì liệu pháp chống đông có thể làm giảm đáng kể nguy cơ đột quỵ. Tuy nhiên, AF thường không có triệu chứng hoặc xuất hiện từng cơn, khiến việc phát hiện thường quy trở nên khó khăn. Điều này thúc đẩy sự quan tâm đến các phương pháp sàng lọc định hướng theo nguy cơ, nhằm xác định hiệu quả những người có nguy cơ AF cao hơn để tập trung nguồn lực chẩn đoán một cách phù hợp.
Bối cảnh và lý do tiến hành
Sàng lọc AF chỉ dựa trên tuổi hoặc các tiêu chí quần thể rộng có thể dẫn đến hiệu quả hạn chế và sử dụng nguồn lực chưa tối ưu. Việc khai thác hồ sơ sức khỏe điện tử (Electronic Health Records, EHR) kết hợp với các thuật toán học máy mang lại tiềm năng phân tầng nguy cơ bệnh nhân chính xác hơn, qua đó tăng cường các chiến lược sàng lọc có mục tiêu. Bằng cách xác định những bệnh nhân có khả năng phát triển AF trong thời gian ngắn, nhân viên y tế có thể ưu tiên theo dõi tích cực hơn cho nhóm này.
Xây dựng mô hình FIND-AF 2.0
Các nhà nghiên cứu đã phát triển FIND-AF 2.0, một mô hình học máy random forest tiên tiến, sử dụng dữ liệu EHR quy mô lớn từ nhiều quốc gia, bao gồm Vương quốc Anh, Nhật Bản, Israel, Canada và Trung Quốc. Mô hình sử dụng các biến lâm sàng đơn giản sẵn có trong EHR — tuổi, giới tính và 10 bệnh đồng mắc — để dự đoán nguy cơ AF mới được chẩn đoán trong vòng 6 tháng. Bộ đầu vào ngắn gọn này giúp mô hình dễ dàng tích hợp vào nhiều hệ thống y tế khác nhau.
Thẩm định trên các đoàn hệ
FIND-AF 2.0 đã được thẩm định bên ngoài trên các đoàn hệ quốc tế này, cho thấy độ chính xác dự đoán cao với giá trị diện tích dưới đường cong ROC (Area Under the Receiver Operating Characteristic Curve, AUROC) dao động khoảng từ 0,75 đến 0,84 giữa các khu vực. Mô hình vượt trội hơn các thang điểm nguy cơ hiện có như CHA2DS2-VASc và C2HEST ở tất cả các quần thể được khảo sát, cho thấy tính ứng dụng vững chắc bất kể khác biệt về địa lý hay chủng tộc.
Thiết kế nghiên cứu tiến cứu và kết quả
Một nghiên cứu đa trung tâm tiến cứu với 1.923 người tham gia từ 30 tuổi trở lên, đều chưa được biết có AF nhưng có nguy cơ đột quỵ tăng cao (nam có CHA2DS2-VASc ≥2, nữ có ≥3), đã sử dụng FIND-AF 2.0 để phân tầng người tham gia thành nhóm nguy cơ cao và nguy cơ thấp. Người tham gia thực hiện ghi điện tâm đồ cầm tay 4 lần mỗi ngày trong 3 tuần để phát hiện AF mới.
Tỷ lệ chẩn đoán AF khác biệt có ý nghĩa giữa hai nhóm nguy cơ: 4,5% ở nhóm nguy cơ cao so với 0,6% ở nhóm nguy cơ thấp, với tỷ số chênh (odds ratio, OR) là 8,46, cho thấy khả năng phát hiện tăng rõ rệt ở những người được FIND-AF 2.0 gắn cờ. Phần lớn bệnh nhân AF mới được chẩn đoán (96,1%) đã khởi trị thuốc chống đông đường uống kịp thời, nhấn mạnh giá trị lâm sàng của phương pháp sàng lọc này.
Phân tích nguy cơ đột quỵ ở bệnh nhân AF nguy cơ cao
Sử dụng dữ liệu từ sổ đăng ký FinACAF (Finnish Anticoagulation in Atrial Fibrillation), nghiên cứu tiếp tục ước tính nguy cơ đột quỵ ở những bệnh nhân được FIND-AF 2.0 xác định là nguy cơ cao nhưng không dùng thuốc chống đông. Tỷ lệ mắc đột quỵ thiếu máu cục bộ là 6 biến cố trên 100 người-năm, củng cố nguy cơ đột quỵ cao liên quan đến AF chưa được chẩn đoán hoặc chưa được điều trị trong quần thể này.
Ý nghĩa lâm sàng
Việc áp dụng FIND-AF 2.0 trong thực hành lâm sàng thường quy có thể tạo ra bước tiến lớn trong sàng lọc AF bằng cách cho phép phân tầng nguy cơ có khả năng mở rộng và tiết kiệm chi phí, trực tiếp từ dữ liệu EHR mà không cần thêm các đánh giá lâm sàng bổ sung. Điều này có thể hỗ trợ phát hiện AF sớm và khởi trị có mục tiêu các liệu pháp dự phòng đột quỵ.
Tính đơn giản của mô hình cùng với kết quả thẩm định mạnh trên nhiều hệ thống y tế khác nhau nhấn mạnh khả năng khái quát hóa của nó. Bằng cách tập trung nguồn lực sàng lọc vào những người có khả năng hưởng lợi nhiều nhất, hệ thống y tế có thể cải thiện kết cục và giảm gánh nặng muộn hơn của bệnh suất và tử vong liên quan đến đột quỵ.
Các điểm cần cân nhắc và định hướng tương lai
Mặc dù đầy hứa hẹn, hiệu năng của mô hình phụ thuộc vào chất lượng và mức độ đầy đủ của dữ liệu EHR, vốn có thể khác nhau theo từng cơ sở y tế. Việc tích hợp các thuật toán như vậy vào quy trình lâm sàng đòi hỏi hạ tầng phù hợp, đào tạo nhân viên y tế và sự tham gia của người bệnh.
Các nghiên cứu trong tương lai nên khảo sát kết cục dài hạn của việc triển khai sàng lọc định hướng theo nguy cơ, phân tích chi phí-hiệu quả, và sự tích hợp với các công nghệ đeo hoặc theo dõi liên tục để phát hiện các cơn AF kịch phát có thể bị bỏ sót bởi điện tâm đồ gián đoạn.
Tóm tắt
Bằng học máy dựa trên EHR, FIND-AF 2.0 xác định hiệu quả những bệnh nhân có nguy cơ cao bị rung nhĩ, từ đó cho phép sàng lọc ECG có mục tiêu nhằm chẩn đoán AF sớm ở những người có nguy cơ đột quỵ tăng lên. Phát hiện sớm giúp khởi trị chống đông kịp thời, có thể ngăn ngừa đột quỵ và cải thiện kết cục bệnh nhân. Cách tiếp cận này hứa hẹn một chiến lược có khả năng mở rộng và thích ứng cho y tế công cộng toàn cầu trong phòng chống đột quỵ liên quan đến AF.