Modelo de cinco itens auxilia na predição de câncer na dermatomiosite

O câncer é uma complicação potencialmente fatal da dermatomiosite (DM) e contribui significativamente para a mortalidade. Há uma necessidade urgente de uma ferramenta validada, baseada em fatores de associação, para otimizar a detecção precoce de câncer e reduzir atrasos diagnósticos. Por isso, Ye et al., (2026) desenvolveram e validaram um modelo prático de predição da probabilidade de câncer associado em pacientes adultos com DM.

Para isso, os pesquisadores realizaram um estudo de coorte multicêntrico retrospectivo que incluiu adultos com DM ou dermatomiosite clinicamente amiopática. Os participantes foram recrutados no Departamento de Dermatologia do Hospital Ruijin e no Departamento de Reumatologia do Hospital Renji, no período de 2015 a 2022. Técnicas de regressão logística multivariada e aprendizado de máquina foram empregadas para o desenvolvimento e a validação do modelo. A análise foi conduzida em 2024.

Foram incluídos 546 adultos com DM ou dermatomiosite clinicamente amiopática, com idade média de 49,8 anos. A amostra foi composta por 166 homens (30,4%) e 380 mulheres (69,6%). No total, cinco fatores apresentaram associação significativa com a ocorrência de câncer: anticorpo anti–fator intermediário de transcrição 1-gama (anti-TIF1-γ) (positivo = 1 ponto; negativo = 0 ponto), doença pulmonar intersticial (presente = −1 ponto; ausente = 0 ponto), poiquilodermia (presente = 1 ponto; ausente = 0 ponto), subtipo de DM (DM = 1 ponto; dermatomiosite clinicamente amiopática = 0 ponto) e anemia (presente = 1 ponto; ausente = 0 ponto). Pontuações de 4 a 5 identificaram pacientes com probabilidade marcadamente elevada de câncer concomitante. Enquanto isso, pontuações de 0 a 1 e 2 a 3 identificaram baixo e médio risco, respectivamente. O ponto de corte de 2,5 pontos proporcionou um equilíbrio adequado entre sensibilidade e especificidade para fins de estratificação clínica.

Em suma, Ye et al., (2026) desenvolveram um modelo eficaz para a estratificação da probabilidade de câncer associado em pacientes com DM utilizando dados clínicos rotineiramente disponíveis. Ao empregar dados provenientes de coortes multidisciplinares e incorporar técnicas de aprendizado de máquina, o modelo minimizou o viés de encaminhamento. Esse tem potencial para auxiliar os profissionais de saúde na implementação de estratégias direcionadas de rastreamento de câncer e, consequentemente, melhorar os desfechos dos pacientes.