Articles

/ Published on December 29, 2020

Tecnologia e saúde

Nova ferramenta utilizada para prever desfechos na cirrose hepática

Pesquisadores utilizam da combinação de inteligência artificial e métodos estatísticos tradicionais para criar ferramenta preditiva de desfechos de cirrose hepática

Author: Fasiha Kanwal; Thomas J. Taylor; Jennifer R. Kramer; et al

Fuente: Development, Validation, and Evaluation of a Simple Machine Learning Model to Predict Cirrhosis Mortality

A cirrose hepática é uma condição que pode ter diversas etiologias, como a hepatite C, o alcoolismo crônico e a doença hepática gordurosa, onde o tecido hepático é substituído pelo tecido cicatricial. Mesmo diante das complicações que a doença pode trazer para a vida do paciente, atualmente, não são encontradas abordagens ou métodos necessários para a predição mais precisa dos resultados, o que pode ser importante para a orientação do paciente a longo prazo na prática clínica.

Em um estudo de prognóstico realizado por Kanwal e colaboradores (2020), que incluiu uma coorte de 107.939 indivíduos diagnosticados com cirrose, teve como objetivo comparar diferentes métodos de aprendizado de máquina na previsão da mortalidade geral na cirrose, aplicando uma abordagem combinada de variáveis clínicas do aprendizado de máquina para o desenvolvimento de modelos prognósticos tradicionais para a seleção de variáveis clínicas.  

Desse modo, os pesquisadores desenvolveram um modelo a partir da combinação de inteligência artificial e métodos estatísticos tradicionais.

Segundo os resultados obtidos no estudo, a nova ferramenta, a partir do aprendizado de máquina simples em um modelo de mortalidade por cirrose, produziu um escore mais preditivo do que o modelo tradicional para Doença Hepática Terminal com sódio. De acordo com o grupo de pesquisa, o modelo baseado em variáveis ​​clínicas identificadas a partir de um modelo de aprendizado de máquina simples nomeado Modelo de Mortalidade por Cirrose (CiMM) teve o melhor equilíbrio entre a precisão do prognóstico e a viabilidade clínica.

Os achados indicam que a abordagem combinada pode melhorar o prognóstico de risco, baseando-se em dados através do desenvolvimento de novos escores que são simultaneamente mais transparentes e assertivos ​​que o aprendizado de máquina e mais preditivos do que os escores de risco tradicionais.