Machine learning pentru predicția evenimentelor adverse grave după sindromul coronarian acut

Context și relevanță clinică

Sindromul coronarian acut (SCA) — incluzând infarctul miocardic cu supradenivelare de ST (STEMI), infarctul miocardic fără supradenivelare de ST (NSTEMI) și angina instabilă — reprezintă una dintre principalele cauze de mortalitate cardiovasculară la nivel mondial. La nivel global, boala coronariană ischemică produce aproximativ 9 milioane de decese anual, iar China singură înregistrează peste 1 milion de episoade de infarct miocardic pe an, cu o tendință de creștere continuă legată de îmbătrânirea populației, creșterea prevalenței diabetului zaharat și a obezității, și urbanizarea accelerată. Mortalitatea intraspitalicească după SCA rămâne semnificativă — 5–10% pentru STEMI și 2–5% pentru NSTEMI — în ciuda progreselor majore în terapia de reperfuzie, medicația antitrombotică și conduita terapeutică a intervenției coronariene percutanate.

Evenimentele adverse grave intraspitalicești după SCA (SAHE — Serious Adverse Hospitalization Events) includ cele 3 complicații cu mortalitate cea mai ridicată: decesul în spital, șocul cardiogen și stopul cardiac resuscitat. Aceste complicații survin în mod imprevizibil la o minoritate de pacienți, dar consecințele lor sunt devastatoare: mortalitatea șocului cardiogen complicând SCA rămâne la 40–50% în ciuda suportului mecanic circulator modern, iar stopul cardiac intraspitalicesc are o supraviețuire la externare sub 30%. Identificarea timpurie a pacienților cu risc înalt de a dezvolta aceste complicații permite intensificarea monitorizării, optimizarea terapiei, transferul precoce în unitatea de terapie intensivă coronariană și inițierea suportului circulator mecanic profilactic.

Scalele de risc tradiționale utilizate în SCA — GRACE, TIMI, SYNTAX — au fost elaborate prin regresie logistică pe cohorte relativ limitate și includ un număr fix de variabile clinice, biomarkeri și electrocardiografice. Deși utile clinic, aceste scale au limitări: nu captează interacțiunile complexe non-liniare dintre variabile, nu se adaptează dinamic la noile date disponibile și au o acuratețe discriminativă (AUC) de 0,75–0,82 pentru obiectivele secundare combinate. Metodele de machine learning, prin capacitatea lor de a modela relații non-liniare complexe și interacțiuni multiple dintre predictorii clinici, oferă potențialul de a depăși aceste limitări și de a construi modele de stratificare a riscului mai precise.

China reprezintă un context particular pentru studiul SCA: populația chineză cu SCA prezintă specificități față de cohortele occidentale, cu o prevalență mai mare a fumătorilor bărbați, un profil lipidic diferit, o prevalență crescută a diabetului zaharat de tip 2 și o diferențiere geografică marcantă în accesul la intervenție coronariană percutanată între mediul urban și rural. Proiectul național CCC-ACS (Improving Care for Cardiovascular Disease in China), care a furnizat datele pentru studiul de față, a colectat date prospective de la sute de spitale din întreaga Chină, oferind un eșantion reprezentativ pentru realitatea clinică a țării cu cea mai mare populație din lume.

Design și metodologie

Studiul a utilizat un design de cohortă retrospectivă cu modelare predictivă, pe baza datelor din proiectul CCC-ACS. Cei 112.363 de pacienți cu SCA confirmat au constituit eșantionul de antrenare și validare a 5 algoritmi de machine learning (Random Forest, XGBoost și altele) și a unui model de regresie logistică. Datele includ variabile demografice, clinice, biologice, electrocardiografice și de tratament disponibile la momentul internării și în primele ore de spitalizare.

• Random Forest (RF) — metodă de ansamblu bazată pe combinarea predicțiilor a sute de arbori de decizie independenți; rezistentă la erori sistematice (bias); AUC 0,817.
• XGBoost — gradient boosting eXtreme; algoritm de boosting iterativ care optimizează funcția de pierdere prin arbori succesivi; AUC 0,816.
• Regresie logistică — metoda clasică de referință; interpretabilă clinic; AUC comparabil cu modelele ML pe această cohortă.
• Validare — modele validate pe eșantioane hold-out independente pentru evaluarea performanței reale pe date nevăzute.
• Calculatoare online — 2 instrumente web accesibile clinicienilor pentru calcularea scorului de risc individual.

Populația studiată

Cei 112.363 de pacienți cu SCA provin din proiectul CCC-ACS, o cohortă națională chineză multicentrică colectată din spitale de diferite niveluri de acreditare din întreaga Chină. Populația include atât STEMI cât și NSTEMI și angină instabilă, acoperind tot spectrul sindroamelor coronariene acute. Profilul demografic tipic al acestei cohorte reflectă epidemiologia SCA în China: predominanță masculină marcată (60–70% bărbați), vârstă medie în jurul decadelor 6–7, prevalență ridicată a fumătorului activ (mai ales la bărbați), diabetul zaharat la 20–30% din pacienți și hipertensiunea arterială la 50–60%. Accesul la intervenție coronariană percutanată variază semnificativ: spitalele terțiare urbane au timp door-to-balloon mai mic, în timp ce spitalele secundare rurale pot prezenta întârzieri semnificative.

Predictori identificați ca semnificativi în modele includ variabile clinice disponibile rapid la prezentare: vârsta avansată, prezența diabetului zaharat, insuficiența renală cronică (eGFR scăzut), frecvența cardiacă la prezentare (tahicardia reflectând activarea simpatică), indexul de șoc (frecvența cardiacă/tensiunea arterială sistolică, un indicator simplu al hipoperfuziei), clasificarea KILLIP (marker al gradului de insuficiență cardiacă) și stopul cardiac la prezentare sau în primele minute de internare. Acești predictori sunt concordanți cu scalele de risc tradiționale (GRACE, TIMI), validând consistența biomarkerilor de risc.

Dimensiunea eșantionului de 112.363 de pacienți reprezintă una dintre cele mai mari cohorte utilizate pentru antrenarea modelelor ML în cardiologie, conferind rezultatelor o putere statistică solidă și o potențială generalizabilitate mai bună comparativ cu studiile pe cohorte de câteva mii de pacienți. Cu toate acestea, reprezentativitatea exclusiv chineză a cohortei ridică întrebări privind aplicabilitatea directă a modelelor în populații din alte regiuni geografice cu profiluri diferite de factori de risc.

Intervenție și comparator

Studiul are un design observațional fără intervenție terapeutică activă — obiectivul este exclusiv predictiv, nu terapeutic. Comparatorul principal a fost regresia logistică clasică, metoda standard pentru construirea scalelor de risc clinice. Modelele ML au fost comparate cu regresia logistică pe baza AUC (Area Under the ROC Curve), sensibilității, specificității, valorii predictive pozitive și negative.

• Obiectiv primar SAHE — mortalitate intraspitalicească + șoc cardiogen + stop cardiac resuscitat; obiectiv primar al modelelor predictive.
• Regresie logistică (comparator) — modelul clasic, cu AUC similar (~0,81); oferă coeficienți interpretabili clinic și posibilitate de calculare manuală a scorului.
• Random Forest / XGBoost (intervenție) — AUC 0,817/0,816; captează interacțiuni non-liniare; mai puțin interpretabile dar potențial mai robuste pe date noi.

Rezultate principale

Performanța modelelor

Modelele Random Forest și XGBoost au atins AUC de 0,817 și respectiv 0,816 pentru predicția SAHE, comparabile cu sau superioare față de regresia logistică clasică pe aceeași cohortă. Un AUC de 0,817 indică faptul că, în 81,7% din cazuri, un pacient cu SAHE a primit un scor mai mare decât un pacient fără SAHE — o performanță discriminativă bună pentru un obiectiv clinic complex. Analiza importanței variabilelor a identificat predictori-cheie concordanți cu literatura: vârsta, diabetul zaharat, insuficiența renală, frecvența cardiacă, indexul de șoc, clasificarea KILLIP și stopul cardiac la prezentare.

Predictori independenți

Identificarea predictorilor independenți prin analiza importanței variabilelor în modelele ML are valoare dincolo de modelul predictiv propriu-zis: confirmă că factori clinici simpli, disponibili la prezentare fără examene complexe, sunt suficienți pentru o stratificare bună a riscului. Clasificarea KILLIP, care evaluează gradul de insuficiență cardiacă la prezentare pe baza examinării clinice (absența ralurilor/prezența zgomotului de galop, edem pulmonar, șoc cardiogen), este confirmată ca predictor puternic independent, subliniind importanța evaluării funcției cardiace la internare. Indexul de șoc — raport simplu frecvență cardiacă/tensiune arterială sistolică — este un marker practic de hipoperfuzie care poate fi calculat la patul bolnavului în câteva secunde.

Rezultate secundare și limitări

Crearea a 2 calculatoare online accesibile clinicienilor reprezintă un pas important de la cercetare la aplicabilitate clinică. Disponibilitatea unui instrument digital de stratificare a riscului direct utilizabil la patul bolnavului reduce bariera de implementare a modelelor ML: clinicienii nu trebuie să înțeleagă algoritmul, ci doar să introducă variabilele disponibile și să interpreteze scorul de risc rezultat. Instrumentele online facilitează de asemenea colectarea prospectivă a datelor pentru îmbunătățirea continuă a modelelor prin re-antrenare pe date noi — o caracteristică esențială a sistemelor de inteligență artificială din medicină.

Principalele limitări includ designul retrospectiv al cohortei, care introduce potențial erori de selecție și clasificare a evenimentelor SAHE. Generalizabilitatea modelelor la populații non-chineze rămâne neclară: profilul de risc, accesul la terapii și practica clinică diferă semnificativ între China, Europa și America de Nord. Modele ML antrenate exclusiv pe date chineze pot subestima sau supraestima riscul la pacienți din alte contexte clinice. Studiul nu a comparat direct performanța modelelor ML cu scalele de risc validate existente (GRACE, TIMI), care ar fi oferit un punct de referință mai relevant pentru clinicienii familiarizați cu aceste instrumente. Nu sunt raportate date privind calibrarea modelelor (concordanța dintre probabilitățile prezise și frecvențele observate ale evenimentelor), un aspect esențial pentru utilizarea clinică, distinct de discriminare (AUC).

Interpretabilitatea modelelor ML rămâne o provocare: spre deosebire de regresia logistică, care oferă coeficienți cu interpretare directă (raport de șanse - odds ratio), Random Forest și XGBoost produc predicții bazate pe interacțiuni complexe dificil de explicat clinicianului sau pacientului. Tehnicile de interpretabilitate locală (SHAP, LIME) pot parțial adresa această limitare, dar nu sunt descrise în studiu ca aplicate sistematic.

Concluzii și implicații practice

Modelele de machine learning (RF, XGBoost) și regresia logistică pot stratifica eficient riscul de evenimente adverse grave intraspitalicești după SCA, cu o acuratețe discriminativă (AUC ~0,817) comparabilă sau superioară instrumentelor existente. Predictori disponibili la prezentare — vârsta, diabetul, insuficiența renală, frecvența cardiacă, indexul de șoc, KILLIP și stopul cardiac — sunt suficienți pentru o stratificare bună fără investigații suplimentare. Cele 2 calculatoare online derivate reprezintă un pas concret spre implementarea clinică, oferind clinicienilor un instrument practic de identificare timpurie a pacienților cu risc înalt ce necesită monitorizare intensivă sau intervenție profilactică imediată. Validarea externă pe cohorte independente non-chineze și compararea directă cu scalele de risc existente (GRACE) sunt necesare înainte de recomandarea integrării în ghiduri clinice internaționale.