ERA-NET: Personalized Atrial fibrillation Risk of Ischemic Stroke assessment (PARIS)

Atrieflimmer (AF) er en alvorlig og kompleks hjertesykdom som kan føre til blodpropp og hjerneslag. AF er svært utbredt over hele verden, og omfanget øker raskt. Omtrent seks millioner europeere lever i dag med sykdommen, og den totale årlige kostnaden i Europa er estimert til 13.5 milliarder EUR. De fleste AF pasienter får blodfortynnende medisiner, som reduserer risikoen for blodpropp, men som også kan gi alvorlige bivirkninger som hjerneblødning. Individuell medisinering må derfor balansere redusert risiko for blodpropp mot økt risiko for blødninger, og dette er en stor utfordring. Samtidig finnes det mye klinisk informasjon, blant annet medisinske bilder, som i dag ikke brukes i risikovurderingen. Målet med PARIS-prosjektet er å bruke medisinske bilder og andre kliniske data til å bygge presise beregningsmodeller av blodstrømmen i hjertet til AF-pasienter. Modellene skal deretter brukes til å gi mer presis diagnostisering, risikovurdering og medisinering. Beregningene er krevende å gjennomføre på grunn av kompleksiteten i blodstrømmen og hjertets anatomi, og fokus i prosjektets første fase har vært å lage en realistisk og nøyaktig simulator for blodstrømmen i hjertet. Første versjon av denne er nå fullført, og den har blitt testet og validert ved å sammenlikne resultatene med målinger av blodstrøm i atriene og ventriklene. Vi har også utviklet et automatisert og objektivt rammeverk for simulering av store mengder pasient-spesifikke blodstrømmer på tungregnesenter, som vil bli brukt til å studere klinisk relevante spørsmål. Vi har brukt simulatoren i kombinasjon med kliniske data til å studere effekten av vanlige antagelser og forenklinger i modellering av blodstrøm. Vi samarbeider for tiden tett med våre samarbeidspartnere om å integrere pasientspesifikke data med matematiske algoritmer for å vurdere nytteverdien av pasientspesifikke modeller i forhold til observert korrelasjon med trombedannelse i klinisk praksis.

The overall ambition for the PARIS project was to holistically answer fundamental questions in vascular biology critical for our understanding of AF, and to develop new tools for individualized risk assessment. The majority of the work has been devoted to the development of novel and sophisticated numerical models, which are needed to test hypotheses in cardiovascular disease. We have developed a robust, automated and objective framework based on tools for medical image segmentation, landmarking, and atlasing, with minimal operator dependency. These tools and pipelines, which are provided to the research community as open source software, represent a major impact from the project. We have demonstrated the applicability of the tools in clinically relevant settings, with the aim of studying correlations between atrial form and function, and mechanisms of thrombus formation or cardiovascular events. with the aim of setting a new standard for simulations of cardiovascular flows. Ongoing research, in collaboration with clinical partners, aims to study the correlation between individual flow patterns and patient outcome. This study could potentially impact the clinical management of AF as well as our mechanistic understanding of flow blood clot formation.

Atrial Fibrillation (AF) is a complex cardiac disease characterized by chaotic electrical activation and loss of atrial contraction, which creates a hemodynamic environment that is prone to clot formation and a six-fold increase in risk of ischemic stroke. AF is gaining epidemic proportions and currently affects more than 6 million Europeans, with an annual cost exceeding €13.5 billion, and the number of patients expected to double by 2030. The majority of AF patients are prescribed anticoagulants that markedly reduce stroke incidence, but at the cost of increased risk of severe bleedings. Individualized anticoagulation management remains a major challenge, and current risk scores for stratifying stroke and bleed risk (e.g. CHA2DS2-VASc, HAS-BLED) show poor performance. The current risk scores are based on population-level statistical correlations only, do not account for the underlying mechanisms of clot formation, and routinely available patient-specific clinical data are under-utilized. Computational models of the atria have reached a high level of sophistication, and include advanced statistical representations of atrial morphology and motion, as well as biophysically detailed models of tissue- and fluid dynamics. Model-based tools for diagnosis and prediction are emerging, but remain insufficiently validated and tested to be used for individualized clinical predictions. PARIS will utilize existing medical records of AF patients with known clinical outcome, to tune and validate computer models and predictive machine learning methods in an iterative process. The resulting decision support system will be validated retrospectively by predicting individualized disease outcome in a matched case-control cohort. The ambition is to identify biomarkers that correlate with stroke, bleeding and other severe complications, and to prospectively outperform the current risk score to reduce individual bleeds by optimizing personalized treatment and clinical follow-up.