Usando aprendizado de máquina e dados clínicos de registros eletrônicos de saúde, pesquisadores da Icahn School of Medicine em Mount Sinai, em Nova York, construíram um marcador in silico, ou derivado de computador, para doença arterial coronariana (DAC) para medir melhor as caracterizações clinicamente importantes do doença.
As descobertas, publicadas on-line em 20 de dezembro no The Lancet, podem levar a um diagnóstico mais direcionado e a um melhor controle da doença arterial coronariana, o tipo mais comum de doença cardíaca e uma das principais causas de morte em todo o mundo. O estudo é a primeira pesquisa conhecida a mapear as características do CAD em um espectro. Estudos anteriores se concentraram apenas em saber se um paciente tem ou não DAC.
DAC e outras condições comuns existem em um espectro de doenças, a combinação de fatores de risco e processos de doença de cada indivíduo determina onde eles se enquadram no espectro. No entanto, a maioria desses estudos divide esse espectro da doença em classes rígidas de caso (o paciente tem a doença) ou controle (o paciente não tem a doença). Isso pode resultar em diagnósticos perdidos, manejo inadequado e resultados clínicos piores, dizem os pesquisadores.
“As informações obtidas com esse estadiamento não invasivo da doença podem capacitar os médicos, avaliando com mais precisão o estado do paciente e, portanto, informar o desenvolvimento de planos de tratamento mais direcionados”, diz Ron Do, Ph.D., autor sênior do estudo e Charles Bronfman em Medicina Personalizada na Escola de Medicina Icahn no Monte Sinai.
“Nosso modelo delineia populações de pacientes com doença arterial coronariana em um espectro de doenças, isso pode fornecer mais informações sobre a progressão da doença e como os afetados responderão ao tratamento. Tendo a capacidade de revelar gradações distintas de risco de doença, aterosclerose e sobrevivência, por exemplo, que de outra forma pode ser perdido com uma estrutura binária convencional, é crítico.”
No estudo retrospectivo, os pesquisadores treinaram o modelo de aprendizado de máquina, denominado pontuação in silico para doença arterial coronariana ou ISCAD, para medir com precisão o CAD em um espectro usando mais de 80.000 registros eletrônicos de saúde de dois grandes biobancos baseados em sistemas de saúde, o BioMe Biobank no Mount Sinai Health System e no UK Biobank.
O modelo, que os pesquisadores denominaram “marcador digital”, incorporou centenas de características clínicas diferentes do registro eletrônico de saúde, incluindo sinais vitais, resultados de exames laboratoriais, medicamentos, sintomas e diagnósticos, e comparou-o com uma pontuação clínica existente para CAD, que usa apenas um pequeno número de recursos predeterminados e uma pontuação genética para CAD.
Os 95.935 participantes incluíram participantes de etnias africana, hispânica/latina, asiática e europeia, bem como uma grande parcela de mulheres. A maioria dos estudos clínicos e de aprendizado de máquina sobre CAD se concentrou na etnia europeia branca.
Os pesquisadores descobriram que as probabilidades do modelo acompanhavam com precisão o grau de estreitamento das artérias coronárias (estenose coronária), mortalidade e complicações como ataque cardíaco.
Quer saber mais?
Fonte: https://medicalxpress.com/news/2022-12-digital-marker-coronary-artery-disease.html
