Blood Pressure Response Index and Short-Term Mortality in Critically Ill Acute Myocardial Infarction: A Multicenter Retrospective Study with Interpretable Machine Learning

In de hooggespannen omgeving van een intensive care-afdeling worden artsen voortdurend geconfronteerd met een moeilijke vraag: hoe goed reageert het lichaam van een patiënt eigenlijk op de krachtige medicijnen die worden gebruikt om het hart te laten kloppen en de bloedstroom op gang te houden? Wanneer iemand een ernstig hartinfarct krijgt, kan het hart moeite hebben om genoeg bloed rond te pompen om het leven in stand te houden. Om hierbij te helpen, dienen medische teams medicijnen toe die de bloedvaten dwingen om te vernauwen of de hartspier harder te laten samentrekken. Deze medicatie is essentieel, maar het is ook een teken van diepe nood. Jarenlang hebben clinici bijgehouden hoeveel van deze medicijnen een patiënt krijgt, wetende dat een zware dosis meestal wijst op een zeer ziek persoon. Echter, alleen weten hoeveel dosis er wordt toegediend, vertelt niet het hele verhaal. Twee patiënten kunnen exact dezelfde hoeveelheid medicijnen krijgen, terwijl de één een stabiele, gezonde bloeddruk behoudt en de ander worstelt om de druk überhaupt op peil te houden. Dit verschil in hoe het lichaam op de behandeling reageert, is een cruciale aanwijzing voor overleving, maar het is tot nu toe moeilijk geweest om dit op een eenvoudige, gestandaardiseerde manier te meten.

Een nieuwe studie, gepubliceerd door onderzoekers van instellingen uit China, probeert dit ontbrekende puzzelstukje te vatten. Het team richtte zich op een specifieke groep patiënten: volwassenen die op de intensive care zijn opgenomen met een acuut myocardinfarct, de medische term voor een hartinfarct. Ze wilden zien of ze een enkel getal konden creëren dat weerspiegelt hoe efficiënt het circulatiesysteem van een patiënt werkt onder de druk van de behandeling. Hiervoor keken ze naar twee zaken die al voor elke patiënt worden geregistreerd: de gemiddelde druk van het bloed dat door de slagaders stroomt en de totale hoeveelheid levensondersteunende medicijnen die worden toegediend. Door deze twee metingen te combineren, ontwikkelden zij wat zij de Blood Pressure Response Index noemen. Deze index fungeert als een graadmeter voor hemodynamische efficiëntie; het meet in feite hoeveel bloeddruk een patiënt genereert voor elke eenheid aan medicamenteuze ondersteuning die nodig is. Een hoge score suggereert dat het lichaam goed reageert en minder hulp nodig heeft om stabiliteit te behouden, terwijl een lage score aangeeft dat het lichaam moeite heeft om te reageren en zware medicatie nodig heeft om te voorkomen dat de bloeddruk instort.

De onderzoekers testten dit idee met behulp van gegevens uit twee enorme, publiek beschikbare databases met gegevens van duizenden intensive care-patiënten in de Verenigde Staten. Ze analyseerden de gegevens van 903 patiënten uit de ene database om hun model op te bouwen en controleerden hun bevindingen vervolgens tegen 722 patiënten uit een andere database om er zeker van te zijn dat de resultaten niet slechts een toevalstreffer waren van een specifieke groep. Ze berekenden de responsindex voor elke patiënt gedurende de eerste week van hun verblijf en volgden wat er in de daaropvolgende maand gebeurde. De resultaten waren duidelijk en consistent: patiënten met een hogere responsindex, wat betekent dat zij een goede bloeddruk behielden met minder medicamenteuze ondersteuning, hadden een significant lagere kans om binnen 14 of 30 dagen te overlijden. Omgekeerd werden patiënten met een lage index, die zware doses medicatie nodig hadden om hun bloeddruk alleen al boven het dalende punt te houden, geconfronteerd met een veel hoger sterfterisico. De relatie was zo sterk dat de index een krachtige voorspeller van overleving bleef, zelfs nadat er rekening was gehouden met andere factoren zoals leeftijd, nierfunctie en de ernst van het hartinfarct.

Om deze complexe patronen te begrijpen, maakte het team gebruik van geavanceerde computertrajecten voor machine learning, een methode waarbij algoritmen leren van gegevens om verborgen verbanden te vinden die mensen mogelijk over het hoofd zien. Ze trainden verschillende verschillende computermodellen om te voorspellen wie zou overleven en wie niet, waarbij ze de responsindex samen met tientallen andere medische details invoerden. Eén specif kind type computermodel, dat bekend staat om zijn vermogen om met rommelige, realistische gegevens om te gaan, presteerde het best. Het bereikte een area under the curve (AUC) van 0,815 in de interne testset en behield een robuuste prestatie in de externe validatie, waarbij het met hoge nauwkeurigheid onderscheid maakte tussen patiënten met een hoog en laag risico. Wanneer de onderzoekers de computer vroegen naar de reden van zijn redenering, bevestigde dit dat de blood pressure response index een van de top vier factoren was die de voorspellingen aanstuurden, net onder de standaardmaten van de algehele ernst van de ziekte. Dit suggereert dat de eenvoudige ratio van bloeddruk tot medicatie dosering vitale informatie bevat die de bestaande instrumenten die artsen al gebruiken, aanvult.

De studie onderzocht ook de vorm van deze relatie en stelde vast dat het sterfterisico niet in een rechte lijn daalt naarmate de index verbetert. In plaats daarvan was het gevaar het grootst voor degenen met de laagste scores en nam het scherp af naarmate de score steeg, om uiteindelijk af te vlakken voor degenen met de hoogste scores. Dit patroon geeft aan dat er een kritieke drempelwaarde is waar het vermogen van het lichaam om op de behandeling te reageren de beslissende factor wordt tussen leven en dood. De onderzoekers merkten er zorgvuldig bij op dat hoewel hun bevindingen robuust en reproduceerbaar zijn over verschillende groepen patiënten, de studie retrospectief was, wat betekent dat ze terugkeken op eerdere gegevens in plaats van de index in realtime op nieuwe patiënten te testen. Daarom is het nog niet bewezen dat het aanpassen van de behandeling op basis van dit getal direct levens zal redden.

Uiteindelijk biedt dit werk een nieuwe kijk op de strijd van een falend hart. Het gaat verder dan simpelweg tellen hoeveel medicijnen een patiënt nodig heeft en vraagt zich af hoe goed die medicatie werkt. Door de efficiëntie van de reactie van het lichaam te kwantificeren, biedt de Blood Pressure Response Index een duidelijker beeld van de werkelijke conditie van een patiënt. Voor de medische gemeenschap vertegenwoordigt dit een stap naar een preciezere risicobeoordeling, wat artsen potentieel kan helpen patiënten te identificeren die ondanks de standaardzorg stilzwijgend verslechteren. De studie concludeert dat deze eenvoudig te berekenen maatstaf een waardevolle toevoeging kan zijn aan de gereedschapskist voor de zorg van de meest kritiek zieke hartinfarctpatiënten, mits toekomstig onderzoek bevestigt dat het de uitkomsten kan verbeteren wanneer het wordt gebruikt om beslissingen over de behandeling te sturen.