CPAP-Therapie und kardiovaskuläres Risiko: Bessere Vorhersagen treffen

Eine Therapie mit kontinuierlichem Atemwegsüberdruck (CPAP-Therapie) bei obstruktiver Schlafapnoe (OSA) wirkt sich nicht bei allen Patienten gleich auf ihr kardiovaskuläres Risiko aus. Künstliche Intelligenz (KI) soll helfen, bessere Vorhersagen zu treffen.

CPAP-Therapie kann das kardiovaskuläre Risiko von OSA-Patienten senken, aber auch erhöhen. Bislang war eine individuelle Einschätzung schwierig. Jetzt haben US-amerikanische Forschende ein Werkzeug entwickelt, das Risiko für Herz-Kreislauf-Erkrankungen bei OSA-Patienten besser vorhersagen kann. Das von einem Team um Erstautor Prof. Oren Cohen von der Icahn School of Medicine am Mount Sinai, New York (USA) entwickelte Analyse-Modell basiert auf einem Maschine-Learning-Algorithmus. Ihre Arbeit haben die Forschenden in „Communications Medicine“ veröffentlicht.

Bekannt ist, dass OSA ein Risikofaktor für Herz-Kreislauferkrankungen ist. Allerdings konnten frühere Studien nicht eindeutig zeigen, dass eine CPAP-Therapie das kardiovaskuläre Risiko senkt. Das von Cohen et al. entwickelte Modell schätzt die Wahrscheinlichkeit von Nutzen oder Schaden der CPAP-Therapie auf Basis von Schlaf- und Gesundheitsdaten ab.

Wie die Autoren betonen sei ihre Studie die erste, die Abschätzungen dazu liefere, wie sich eine CPAP-Therapie auf das kardiovaskuläre Risiko auswirkt. Die Ergebnisse unterstrichen das Potenzial von Präzisionsmedizin und differenzierten Ansätzen, um die klinische Versorgung zu individualisieren und das Herz-Kreislauf-Risiko bei Betroffenen zu reduzieren.

Modell identifiziert Subgruppen mit unterschiedlichem Herz-Kreislau-Risiko

Das Team analysierte Daten aus der Sleep Apnea Cardiovascular Endpoints (SAVE)-Studie, um individualisierte Behandlungseffekt-Scores zu berechnen. Dazu legten sie 23 zentrale Ausgangsmerkmale in ihrem Analysemodell fest, etwa Raucherstatus oder Vorerkrankungen. Dabei berücksichtigten sie mehr als 100 Prädiktoren aus Schlaf- und Gesundheitsdaten. Die SAVE-Studie ist die größte klinische Kohorte zur Bewertung der CPAP-Therapie zur Prävention von Herz-Kreislauf-Erkrankungen. Sie umfasst mehr als 2600 Teilnehmern aus 89 Zentren in sieben Ländern.

Die Forschenden stellten fest, dass die Therapieansprache innerhalb der Kohorte erheblich variierte. So konnten sie mithilfe des Modells eine Untergruppe identifizieren, bei der eine Verbesserung des kardiovaskulären Risikos durch CPAP-Therapie zu erwarten war. Teilnehmer dieser Untergruppe wurden randomisiert der Therapie oder der Standardversorgung zugewiesen. Teilnehmer unter Therapie zeigten eine 100-fache Verbesserung des zukünftigen kardialen Risikos im Vergleich zu Patienten derselben Untergruppe unter Standardversorgung. Umgekehrt zeigten Personen einer anderen Untergruppe, bei der ein Schaden vorhergesagt wurde, unter CPAP-Therapie im Vergleich zur Standardversorgung eine mehr als 100-fache Zunahme kardiovaskulärer Ereignisse. Diese schlossen wiederkehrender Schlaganfälle und Herzinfarkte ein.

Ergebnisse unterstreichen den Wert datengetriebener Forschung

Für die korrespondierende Autorin Prof. Neomie A. Shah sind die Ergebnisse ein „bedeutender Fortschritt in der personalisierten Medizin“. Damit bewege man sich weg von einem Einheitsansatz bei der OSA-Therapie. Zudem unterstrichen sie den Wert „neuer datengetriebener Ansätze“ wie des beschriebenen Modells, um „fundierte“ Empfehlungen zur CPAP-Therapie zu treffen und die personalisierte Versorgung zu verbessern, so Shah weiter.

„Diese Ergebnisse demonstrieren die Leistungsfähigkeit von Maschinellem Lernen zur Vorhersage von Therapieeffekten im Zeitalter der Präzisionsmedizin. Allerdings erfordern solche Modelle eine sorgfältige Validierung, um ihren Nutzen in der klinischen Praxis zu belegen“, erklärte Cohen.

„KI in der Medizin muss über Mustererkennung hinaus zur kausalen Schlussfolgerung gelangen“, sagte die korrespondierende Koautorin Prof. Mayte Suarez-Farinas. „Durch die Schätzung individualisierter Behandlungseffekte im Zeitverlauf unter Verwendung randomisierter klinischer Studiendaten entwickeln wir prädiktive KI hin zu entscheidungsunterstützenden Instrumenten, die auf Kausalität basieren“. Solche Instrumente sollen in der Lage sein, reale Therapieentscheidungen zu treffen und Behandlungsergebnisse zu verbessern, so Suarez-Farinas weiter. (ja/BIERMANN)