AI předpovídá riziko migrény následující den s 91% přesností
Nová studie založená na rozsáhlém souboru dat z reálného používání aplikace Nerivio naznačuje, že model umělé inteligence dokáže s přesností 91,2 procenta předpovědět riziko migrény následující den. Ukázalo se, že pro predikci byly důležitější intenzita bolesti hlavy a její charakter v předchozích 30 dnech než bezprostřední prodromální příznaky před záchvatem. Výzkumníci zdůrazňují, že cílem této technologie je pomoci pacientům s přípravou na možný záchvat, nikoli stanovit diagnózu nebo měnit léčbu migrény. Zároveň upozorňují, že k ověření jejích přínosů je zapotřebí další výzkum.
Schopnost předvídat blížící se migrénový záchvat má potenciál zlepšit pohodu pacientů, přesto předchozí modely vykazovaly omezený výkon. Recentní studie publikovaná v časopise Neurology Open Access si kladla za cíl vyvinout a vyhodnotit model strojového učení pro identifikaci rizika migrénových záchvatů následující den na základě elektronických deníků, přičemž využila nejdelší dobu před záchvatem (30 dní) a dosud největší prospektivní datovou sadu pacientů s migrénou.
Studie analyzující 770 473 denních záznamů od více než 53 000 uživatelů aplikace, shromážděných v letech 2020–2025, potvrdila, že AI dokáže na základě údajů z aplikace Nerivio předpovědět riziko migrény následující den s přesností 91,2 procenta. Průměrný věk byl 43,04 roku, 83,73 procenta propandů tvořily ženy a 87,50 procenta bylo ve věku 18 let a více. Datová sada obsahovala informace z elektronických migrénových deníků, dotazníky, demografické charakteristiky a údaje o počasí založené na lokalitě. Výzkumníci poté testovali sedm algoritmů strojového učení, aby zjistili, zda tato data dokážou identifikovat lidi, kteří pravděpodobně zažijí migrénu následující den. Nejlépe výkonným modelem byla upravená verze algoritmu nazvaného XGBoost.
Model dosáhl nejlepších celkových výsledků při predikci stavu následující den, s přesností pozitivní predikce (precision) 91,2 procenta, senzitivitou 80,0 procenta, specificitou 83,0 procenta, celkovou přesností (accuracy) 81,0 procenta a plochou pod ROC křivkou (AUC) 0,893. Výzkumníci zároveň doplňují, že sledovaným výsledkem byly bolesti hlavy různé intenzity – od mírných a středně silných až po silné –, nikoli pouze závažné migrénové záchvaty.
Nejsilnější prediktivní informace totiž nepocházely z prodromálních příznaků, ale ze vzorců bolesti hlavy v předchozích 30 dnech. Nejdůležitějším jednotlivým ukazatelem byl klouzavý průměr závažnosti bolesti hlavy za poslední měsíc. Charakteristiky vypočítané z tohoto třicetidenního období se na predikčním výkonu modelu podílely přibližně 56 procenty, zatímco informace o prodromálních příznacích představovaly zhruba 11 procent. Výsledky tak naznačují, že při odhadu rizika migrény mohou být důležité nejen změny bezprostředně předcházející záchvatu, ale také dlouhodobější individuální vzorce.
Predikce jako podpora každodenního režimu
Informace o zvýšeném riziku migrény může pacientům připomenout, aby důsledněji dodržovali režimová opatření, která mohou přispět ke snížení náchylnosti k záchvatu. Patří mezi ně pravidelný a dostatečný spánek, hydratace, pravidelný příjem výživné stravy a omezení zbytečného stresu. Důležité je rovněž sledovat vlastní spouštěče migrény, mezi něž mohou patřit například některé potraviny, alkohol, vynechání jídla nebo nedostatek spánku. Včasné upozornění by podle autorů mohlo také zmírnit nejistotu a úzkost, které někteří pacienti zažívají v období mezi záchvaty.
Odborníci upozorňují, že predikční aplikace je třeba chápat jako podpůrný nástroj, nikoli jako diagnostické zařízení. Její výstupy vycházejí z dostupných údajů a použitého algoritmu, a nemusejí proto přesně odpovídat individuálnímu průběhu onemocnění. Samotné sledování příznaků, vedení deníku ani úprava životního stylu navíc nemusejí být dostačující u pacientů s častými a výrazně omezujícími záchvaty. Ti by měli s lékařem probrat možnosti preventivní i akutní farmakologické léčby a společně vytvořit individuální terapeutický plán.
Další vývoj predikčních nástrojů
Studie přináší důkazy, že longitudinální data zaznamenávaná samotnými pacienty mohou obsahovat užitečné informace pro předpovídání migrénových záchvatů. Budoucí predikční modely by proto nemusely vycházet pouze z prodromálních příznaků, ale mohly by kombinovat údaje o frekvenci a intenzitě bolestí hlavy, nedávném průběhu záchvatů, individuálních charakteristikách pacienta i vlivech prostředí.
Klinický přínos těchto nástrojů však bude záviset především na tom, zda přesnější odhad rizika povede ke skutečnému zlepšení každodenního života pacientů – například k lepší přípravě na záchvaty, menšímu narušení běžných aktivit, nižší míře úzkosti nebo účinnějšímu zvládání onemocnění. Dosavadní výsledky ukazují, že strojové učení dokáže v datech běžně zaznamenávaných v migrenózním deníku rozpoznat vzorce využitelné k odhadu rizika na následující den. Nenahrazuje však klinické vyšetření ani individuální rozhodování o léčbě.
Autoři předpokládají, že predikce by pacientům mohla usnadnit přípravu na možný záchvat, nástroj však není určen k diagnostice ani k rozhodování o změně léčby. Výsledky je potřeba také interpretovat s ohledem na observační charakter studie a skutečnost, že data pocházela výhradně od uživatelů jedné aplikace. Přínos predikce pro klinické výsledky a její využitelnost v širší populaci pacientů s migrénou proto musí potvrdit další výzkum.