Causale AI verbetert nauwkeurigheid van voorspelling van CV-risico en verwachte voordeel

Causal AI substantially improves the validity of estimating cardiovascular risk and benefit

Gepresenteerd op het ESC-congres 2022 door: Brian Ference – Cambridge, VK

Introductie en methoden

Causale effecten worden niet meegenomen in huidige algoritmen van risicoschattingen, en daarom geven deze algoritmen geen nauwkeurige schattingen van cardiovasculair risico veroorzaakt door de twee belangrijkste modificeerbare oorzaken van ASCVD-events – LDL-c en SBD. Ook geven deze algoritmen geen nauwkeurige schattingen van het voordeel van verlagen van LDL-c en SBD.

Het incorporeren van causale effecten in algoritmen leidt tot nauwkeurige schattingen van baseline cardiovasculair risico veroorzaakt door LDL-c en SBD en het voordeel van verlagen van LDL-c, SBD of beide. Dit zou de essentiële informatie verschaffen die nodig is om patiënten te informeren voor individuele behandelbeslissingen over tijdspunt, duur en intensiteit van verlagen van LDL-c en SBD voor optimale preventie van cardiovasculaire events.

AI-algoritmen kunnen het effect van modificeerbare oorzaken van ziekte leren die streefdoelen zijn van interventies, wat resulteert in causale AI. Causale AI leidt tot AI-algoritmen, die nauwkeurig risico en voordeel kunnen voorspellen.

Daarom was het doel van deze studie om een nieuwe generatie van AI-algoritmen te creëren die gebruikt kunnen worden voor gepersonaliseerde geneeskunde om individuele behandelbeslissingen te ondersteunen.

Belangrijkste resultaten

• Wanneer geobserveerde en voorspelde eventcurves werden vergeleken, onderschatte het JBS3 algoritme van risicoschatting het levenslange risico veroorzaakt door LDL-c; het overschatte het risico veroorzaakt door lager LDL-c; het onderschatte levenslange voordeel van lager LDL-c; het onderschatte risico van verlagen van LDL-c gestart op latere leeftijd (68 jaar) zoals gezien in de HPS trial.
• Het JBS3 algoritme van risicoschatting met toevoeging van causale AI geschatte effecten van LDL-c en SBD toonde nauwkeurig geschat voordeel van behouden levenslang lager LDL-c, SBD of beide op alle leeftijden; het schatte zoals levenslang voordeel of lager LDL-c, SBD of beide op alle leeftijden nauwkeurig; en het schatte het voordeel van verlagen van LDL-c, SBD of beide op latere leeftijd (68 jaar), zoals in de HPS trial, nauwkeuriger voor iedere maand tijdens follow-up.

Conclusie

Het incorporeren van causale effecten van LDL-c en SBD door AI-algoritmen in algoritmen van risicoschattingen verbeterde de nauwkeurigheid van baseline cardiovasculair risico veroorzaakt door LDL-c en SBD en het voordeel van verlagen van LDL-c, SBD of beide beginnend op iedere leeftijd en verlenging voor elke duur.

Dit helpt om individuen te begeleiden om de optimale tijdspunt, duur en intensiteit van LDL-c en SBP verlaging te bepalen. Ook geeft het de echte klinische en economische winst weer van preventie van HVZ om de klinische praktijkrichtlijnen en gezondheidsbeleid beter te informeren.

- Onze berichtgeving is gebaseerd op de informatie die beschikbaar is gesteld tijdens het ESC-congres -