MOLECULAR AND CLINICAL PREDICTORS OF COGNITIVE DECLINE AND STROKE IN ATRIAL FIBRILLATION: A MULTICENTER STUDY OF NOACs VS VKAs USING MACHINE LEARNING APPROACHES

Atrial fibrillation (AF) is increasingly recognized not only as the most common sustained arrhythmia in older adults, but also as a clinical syndrome capable of influencing long-term brain health. In recent years, the classical association between AF and ischemic stroke has been expanded by evidence linking AF to cognitive decline, mild cognitive impairment, and dementia even in patients with no history of clinically overt cerebrovascular events. This broader view implies that overt cardioembolism is only one component of the problem. Silent brain infarction, cerebral microbleeds, chronic cerebral hypoperfusion, endothelial dysfunction, systemic inflammation, multimorbidity, and the cumulative effects of long-term anticoagulation quality may all contribute to progressive neurocognitive injury. Within this context, the comparison between vitamin K antagonists (VKAs) and non-vitamin K antagonist oral anticoagulants (NOACs) acquires clinical relevance beyond stroke prevention alone, because more stable anticoagulation and a lower burden of hemorrhagic complications may plausibly translate into superior cognitive preservation over time.The present doctoral thesis was developed to investigate molecular and clinical predictors of cognitive decline in elderly patients with non-valvular AF and to evaluate whether the type of oral anticoagulant therapy is associated with different longitudinal cognitive trajectories. The work integrates two complementary components. The first is a multicenter cohort study focused on elderly outpatients with AF followed over time with serial cognitive assessment. The second is a mechanistic biomarker substudy performed in the subgroup of patients who developed ischemic stroke during follow-up, in whom acute thrombo-inflammatory and neuroglial markers were characterized. The conceptual core of the thesis lies in the integration of clinical reasoning with machine-learning methodology, under the hypothesis that cognitive decline in AF is not driven by a single dominant variable but by the interaction of multiple demographics, cardiovascular, metabolic, renal, hemodynamic, and laboratory factors.The AF cohort included 983 elderly patients with newly diagnosed non-valvular AF enrolled in a multicenter observational setting. Baseline cognition was evaluated by Mini-Mental State Examination (MMSE), and longitudinal cognitive decline was defined as any reduction in MMSE score between baseline and follow-up reassessment. At baseline, the mean age was 76 ± 6 years, 49% of participants were male, hypertension was present in 86%, diabetes mellitus in 35%, and current smoking in 8%. Overall, 70% of the cohort received NOACs and 30% received VKAs. Baseline MMSE categories were normal cognition in 58%, borderline cognition in 18%, and mild cognitive impairment in 24%, without significant imbalance between the anticoagulant groups. In multivariable logistic regression, NOAC therapy was independently associated with lower odds of cognitive decline than VKA therapy (odds ratio 0.322; 95% confidence interval 0.221-0.469; p < 0.0001). A Random Forest classifier demonstrated robust predictive performance, with mean repeated stratified cross-validated ROC AUC of approximately 0.8715 (SD 0.0273). On the held-out test set, the class-weighted model achieved ROC AUC 0.880, whereas a SMOTE-based strategy improved recall for the decline class while maintaining acceptable overall discrimination. Predicted decline probabilities differed markedly between anticoagulant groups, and permutation importance identified anticoagulant therapy as the most influential predictor, followed by glycemia, systolic blood pressure, body mass index, albumin, and potassium.The biomarker substudy included 116 patients with acute ischemic stroke and 59 controls. A panel including osteopontin (OPN), platelet factor 4 (PF4), interferon gamma-induced protein 10 (IP-10), soluble thrombomodulin (sCD141), ubiquitin C-terminal hydrolase L1 (UCH-L1), glial fibrillary acidic protein (GFAP), and fatty acid-binding protein 3 (FABP3) was explored using plasma assays. Significant between-group differences were documented for OPN, PF4, and UCH-L1, while the combined PF4+OPN+UCH-L1 model reached an AUC of 0.827. These molecular findings provide biological plausibility for the clinical model, suggesting that event-related thrombo-inflammatory and neuroglial signatures may represent mechanistic links between AF, stroke, and subsequent cognitive deterioration.Taken together, the present work supports three major conclusions. First, cognitive decline in AF is a multidimensional process in which arrhythmic burden, vascular risk, anticoagulation quality, and molecular injury pathways converge. Second, in this elderly multicenter population, NOAC therapy was associated with a substantially lower probability of cognitive decline than VKA treatment. Third, machine-learning approaches, particularly Random Forest, are well suited to capture heterogeneous and nonlinear clinical patterns that may be poorly represented by conventional models alone. These findings support a precision-medicine framework in AF, in which preservation of cognitive function becomes a central therapeutic objective and not merely a secondary consequence of stroke prevention.

La fibrillazione atriale (FA) è sempre più riconosciuta non solo come la più comune aritmia sostenuta negli anziani, ma anche come una sindrome clinica in grado di influenzare la salute cerebrale a lungo termine. Negli ultimi anni, la classica associazione tra FA e ictus ischemico è stata ampliata da evidenze che collegano la FA al declino cognitivo, al deterioramento cognitivo lieve e alla demenza, anche in pazienti senza storia di eventi cerebrovascolari clinicamente manifesti. Questa visione più ampia implica che il cardioembolismo conclamato rappresenti solo una componente del problema. L'infarto cerebrale silente, le microemorragie cerebrali, la cronica ipoperfusione cerebrale, la disfunzione endoteliale, l'infiammazione sistemica, la multimorbidità e gli effetti cumulativi della qualità dell'anticoagulazione a lungo termine possono tutti contribuire al danno neurocognitivo progressivo. In questo contesto, il confronto tra antagonisti della vitamina K (AVK) e anticoagulanti orali non antagonisti della vitamina K (NAO) acquisisce rilevanza clinica al di là della sola prevenzione dell'ictus, poiché un'anticoagulazione più stabile e un minor carico di complicanze emorragiche potrebbero plausibilmente tradursi in una migliore preservazione cognitiva nel tempo.La presente tesi di dottorato è stata sviluppata per indagare i predittori molecolari e clinici del declino cognitivo in pazienti anziani con FA non valvolare e per valutare se il tipo di terapia anticoagulante orale sia associato a diverse traiettorie cognitive longitudinali. Il lavoro integra due componenti complementari. La prima è uno studio di coorte multicentrico incentrato su pazienti ambulatoriali anziani con FA seguiti nel tempo mediante valutazioni cognitive seriate. La seconda è uno studio meccanicistico sui biomarcatori condotto nel sottogruppo di pazienti che hanno sviluppato un ictus ischemico durante il follow-up, nei quali sono stati caratterizzati marcatori trombo-infiammatori acuti e neuro-gliali. Il nucleo concettuale della tesi risiede nell'integrazione del ragionamento clinico con la metodologia di machine learning, nell'ipotesi che il declino cognitivo nella FA non sia guidato da una singola variabile dominante, ma dall'interazione di molteplici fattori demografici, cardiovascolari, metabolici, renali, emodinamici e di laboratorio.La coorte FA ha incluso 983 pazienti anziani con FA non valvolare di nuova diagnosi, arruolati in un contesto osservazionale multicentrico. La cognizione basale è stata valutata mediante il Mini-Mental State Examination (MMSE), e il declino cognitivo longitudinale è stato definito come qualsiasi riduzione del punteggio MMSE tra la valutazione basale e quella di follow-up. Al basale, l'età media era di 76 ± 6 anni, il 49% dei partecipanti era di sesso maschile, l'ipertensione era presente nell'86%, il diabete mellito nel 35% e il fumo attivo nell'8%. Complessivamente, il 70% della coorte ha ricevuto NAO e il 30% AVK. Le categorie MMSE basali erano: cognizione normale nel 58%, cognizione borderline nel 18% e deterioramento cognitivo lieve nel 24%, senza significativo squilibrio tra i gruppi di anticoagulazione. Nella regressione logistica multivariabile, la terapia con NAO è risultata indipendentemente associata a una minore probabilità di declino cognitivo rispetto alla terapia con AVK (odds ratio 0,322; intervallo di confidenza al 95% 0,221–0,469; p < 0,0001). Un classificatore Random Forest ha dimostrato robuste prestazioni predittive, con un ROC AUC medio in cross-validazione stratificata ripetuta di circa 0,8715 (DS 0,0273). Sul set di test indipendente, il modello pesato per classe ha raggiunto un ROC AUC di 0,880, mentre una strategia basata su SMOTE ha migliorato il richiamo per la classe del declino mantenendo una discriminazione complessiva accettabile. Le probabilità di declino previste differivano marcatamente tra i gruppi di anticoagulazione, e l'importanza per permutazione ha identificato la terapia anticoagulante come il predittore più influente, seguita da glicemia, pressione arteriosa sistolica, indice di massa corporea, albumina e potassio.Lo studio sui biomarcatori ha incluso 116 pazienti con ictus ischemico acuto e 59 controlli. È stato esplorato un pannello comprendente osteopontina (OPN), fattore piastrinico 4 (PF4), proteina 10 indotta dall'interferone gamma (IP-10), trombomodulina solubile (sCD141), idrolasi C-terminale dell'ubiquitina L1 (UCH-L1), proteina acida fibrillare gliale (GFAP) e proteina legante gli acidi grassi 3 (FABP3), mediante dosaggi plasmatici. Differenze significative tra i gruppi sono state documentate per OPN, PF4 e UCH-L1, mentre il modello combinato PF4+OPN+UCH-L1 ha raggiunto un AUC di 0,827. Questi risultati molecolari forniscono plausibilità biologica al modello clinico, suggerendo che le firme trombo-infiammatorie e neuro-gliali correlate all'evento possano rappresentare legami meccanicistici tra FA, ictus e successivo deterioramento cognitivo.Complessivamente, il presente lavoro supporta tre conclusioni principali. In primo luogo, il declino cognitivo nella FA è un processo multidimensionale in cui il carico aritmico, il rischio vascolare, la qualità dell'anticoagulazione e le vie molecolari di danno convergono. In secondo luogo, in questa popolazione anziana multicentrica, la terapia con NAO è risultata associata a una probabilità sostanzialmente inferiore di declino cognitivo rispetto al trattamento con AVK. In terzo luogo, gli approcci di machine learning, in particolare il Random Forest, sono particolarmente adatti a cogliere pattern clinici eterogenei e non lineari che potrebbero essere scarsamente rappresentati dai soli modelli convenzionali. Questi risultati supportano un framework di medicina di precisione nella FA, in cui la preservazione della funzione cognitiva diventa un obiettivo terapeutico centrale e non semplicemente una conseguenza secondaria della prevenzione dell'ictus.