Có thể dự đoán tốt hơn nguy cơ đột quỵ ở bệnh nhân mắc rung nhĩ không?

Rung nhĩ ảnh hưởng đến hơn 58 triệu người trên toàn thế giới và làm tăng đáng kể nguy cơ đột quỵ. Tuy nhiên, các công cụ hiện tại để đánh giá nguy cơ này, như các điểm số cổ điển, vẫn còn thiếu chính xác và không tính đến các tương tác phức tạp giữa các yếu tố sức khỏe khác nhau của bệnh nhân.

Một nhóm nghiên cứu đã phát triển các mô hình trí tuệ nhân tạo mới có khả năng dự đoán nguy cơ đột quỵ trong một năm ở những bệnh nhân vừa được chẩn đoán mắc rung nhĩ. Các mô hình này chỉ sử dụng những thông tin dễ dàng có sẵn: tuổi tác, tiền sử bệnh án và các loại thuốc mà bệnh nhân đang sử dụng. Không giống như các phương pháp truyền thống, những công cụ này phân tích các mối quan hệ tinh tế giữa các yếu tố này để cung cấp một ước tính cá nhân hóa và đáng tin cậy hơn.

Kết quả rất thuyết phục. Hai mô hình được thử nghiệm, một dựa trên phương pháp thống kê cổ điển và một dựa trên kỹ thuật học máy tiên tiến, đã cho thấy khả năng phân biệt các bệnh nhân có nguy cơ với độ chính xác cao hơn nhiều so với các phương pháp hiện có. Hiệu suất của chúng đã được xác nhận trên nhiều nhóm bệnh nhân đa dạng, khẳng định độ tin cậy trong các bối cảnh lâm sàng khác nhau. Hơn nữa, các mô hình này cho phép điều chỉnh ngưỡng nguy cơ tùy theo nhu cầu cá nhân, điều này đặc biệt hữu ích cho những bệnh nhân cao tuổi hoặc có nhiều vấn đề sức khỏe.

Một ưu điểm lớn khác là tính đơn giản trong sử dụng. Chúng không yêu cầu xét nghiệm máu hoặc chẩn đoán hình ảnh, thường không có sẵn tại thời điểm chẩn đoán. Điều này giúp chúng dễ dàng áp dụng trong thực hành hàng ngày tại các bệnh viện. Các nhà nghiên cứu cũng đã xác minh rằng những công cụ này hoạt động tốt cho cả nam và nữ, tránh được sự thiên vị liên quan đến giới tính.

Về lâu dài, các mô hình này còn giúp xác định những bệnh nhân sẽ được hưởng lợi nhiều nhất từ việc điều trị chống đông máu. Dữ liệu cho thấy những bệnh nhân được phân loại có nguy cơ cao bởi các công cụ này thấy nguy cơ đột quỵ giảm đáng kể nếu họ sử dụng các loại thuốc này, trái ngược với những bệnh nhân được xác định bằng các phương pháp truyền thống.

Đột phá này mở ra con đường cho một nền y học cá nhân hóa hơn. Các bác sĩ có thể sớm dựa vào những dự đoán này để điều chỉnh phương pháp điều trị phù hợp với hồ sơ độc đáo của từng bệnh nhân, từ đó giảm số lượng các ca đột quỵ có thể phòng tránh được và cải thiện việc quản lý rung nhĩ.

Sources et crédits

Étude source

DOI : https://doi.org/10.1038/s41746-026-02470-3

Titre : Interpretable machine learning models for stroke risk prediction in patients with newly diagnosed atrial fibrillation

Revue : npj Digital Medicine

Éditeur : Springer Science and Business Media LLC

Auteurs : Jesse Chih-Wei Lin; Chen-Min Chang; Heng-Yu Pan; Yi-Lwun Ho; Yu-Kang Tu; Chao-Lun Lai