Novas tecnologias para predição de risco de doenças cardiovasculares em diabéticos

O diagnóstico e monitoramento aplicados para a prevenção de doenças cardiovasculares (DCV), usualmente, exigem muitos recursos clínicos e econômicos. Neste cenário, o conhecimento da saúde do paciente, bem como as vias de progressão da doença, possivelmente, pode revelar o risco de sua multicomorbidade, aplicando-se técnicas que explorem e analisem os dados de forma assertiva.

Diante disso, o presente estudo teve como objetivo a elaboração de um modelo de predição de risco a partir de dados administrativos que usam recursos baseados em rede e técnicas de aprendizado de máquina para avaliar o risco de DCV em pacientes com diabetes tipo 2 (DT2). Para isso, foram gerados dados de duas coortes de estudo de pacientes com DT2 e DCV e de pacientes acometidos somente com DT2, que foram posteriormente analisados.

Assim, duas redes das doenças de base foram geradas a partir das duas coortes do estudo e uma rede final de doenças foi então criada a partir de duas redes de doenças de base por meio da normalização. O estudo obteve informações baseadas em redes sociais (a prevalência de comorbidades, padrões de transição e associação de agrupamentos) da rede final de doenças e algumas informações demográficas diretamente do conjunto de dados. Os fatores de risco foram utilizados para o desenvolvimento de seis modelos de predição de aprendizado de máquina para avaliação do risco de DCV em pacientes com DT2.

A precisão de 79% a 88% exibiu o potencial do modelo de predição de risco baseado em rede explorando-se dados administrativos. O modelo de previsão de risco desenvolvido pelo estudo mostra-se vantajoso e útil para aplicação na prática médica e interessados no desenvolvimento de programas de gestão de saúde para pacientes com alto risco de desenvolver doenças crônicas, contribuindo para melhor compreensão da progressão da doença.

Imagem: jcomp por Freepik