Aprendizado de máquina para desenvolvimento de modelos diagnósticos de insuficiência cardíaca descompensada ou exacerbação de doença pulmonar obstrutiva crônica

Scientific Reports volume 13, Artigo número: 12709 (2023) Citar este artigo

48 acessos

1 Altmétrico

Detalhes das métricas

A insuficiência cardíaca (IC) e a doença pulmonar obstrutiva crónica (DPOC) são duas doenças crónicas com maior impacto adverso na população em geral, sendo a deteção precoce da sua descompensação um objetivo importante. No entanto, muito poucos modelos de diagnóstico alcançaram desempenho diagnóstico adequado. O objetivo deste ensaio foi desenvolver modelos diagnósticos de insuficiência cardíaca descompensada ou exacerbação da DPOC com técnicas de aprendizado de máquina baseadas em parâmetros fisiológicos. Foram recrutados um total de 135 pacientes hospitalizados por insuficiência cardíaca descompensada e/ou exacerbação da DPOC. Cada paciente foi submetido a três avaliações: uma na fase descompensada (durante a internação) e mais duas consecutivamente na fase compensada (em domicílio, 30 dias após a alta). Em cada avaliação, a frequência cardíaca (FC) e a saturação de oxigênio (Ox) foram registradas continuamente (com oxímetro de pulso) durante um período de caminhada de 6 minutos, seguido de um período de recuperação de 4 minutos. Para desenvolver os modelos diagnósticos, inicialmente foram selecionadas características preditivas relacionadas à FC e Boi por meio de algoritmos de classificação. Os potenciais preditores incluíram idade, sexo e doença de base (insuficiência cardíaca ou DPOC). Em seguida, foram desenvolvidos modelos de classificação diagnóstica (fase compensada vs. fase descompensada) através de diferentes técnicas de aprendizado de máquina. O desempenho diagnóstico dos modelos desenvolvidos foi avaliado segundo sensibilidade (S), especificidade (E) e acurácia (A). Dados de 22 pacientes com insuficiência cardíaca descompensada, 25 com exacerbação da DPOC e 13 com ambas as patologias descompensadas foram incluídos nas análises. Das 96 características de FC e Boi inicialmente avaliadas, 19 foram selecionadas. Idade, sexo e doença de base não conferiram maior poder discriminativo aos modelos. As técnicas com valores de S e E acima de 80% foram a regressão logística (S: 80,83%; E: 86,25%; A: 83,61%) e máquina de vetores de suporte (S: 81,67%; E: 85%; A: 82,78%) técnicas. Os modelos diagnósticos desenvolvidos alcançaram bom desempenho diagnóstico para IC descompensada ou exacerbação de DPOC. Até onde sabemos, este estudo é o primeiro a relatar modelos diagnósticos de descompensação potencialmente aplicáveis ​​a pacientes com DPOC e IC. No entanto, esses resultados são preliminares e merecem uma investigação mais aprofundada para serem confirmados.

A insuficiência cardíaca (IC) e a doença pulmonar obstrutiva crónica (DPOC) são duas doenças crónicas com maior impacto adverso na população em geral1,2,3. A descompensação (na IC) ou a exacerbação (na DPOC) são especialmente importantes porque afetam a autonomia e a qualidade de vida e aumentam a mortalidade e a necessidade de internamento hospitalar ou de idas a serviços de urgência4,5,6,7. Portanto, é importante desenvolver métodos que permitam a detecção precoce da descompensação dessas doenças, uma vez que tal detecção permite uma recuperação mais rápida e evita a necessidade de uma intervenção importante como a internação hospitalar8,9.

A abordagem usual dos métodos desenvolvidos até o momento para detectar precocemente a descompensação de ambas as doenças baseia-se no monitoramento ambulatorial de parâmetros clínicos por meio de modelos preditivos ou algoritmos diagnósticos aplicados de forma contínua ou intermitente10,11. Em relação à IC, uma revisão sistemática de algoritmos baseados em parâmetros fisiológicos não invasivos11 identificou os parâmetros fisiológicos mais frequentemente considerados para esse tipo de algoritmo: peso como marcador de sobrecarga hídrica (96%), pressão arterial (85%), frequência cardíaca (FC) (61%), saturação de oxigênio (Ox) (23%) e ritmo cardíaco (17%). Contudo, a combinação ideal de parâmetros para detecção de descompensação ainda não foi estabelecida, e o peso corporal, embora amplamente utilizado, muitas vezes gera muitos alertas falsos e tem baixa sensibilidade para detecção de descompensação cardíaca. Na DPOC, ao contrário da IC, os parâmetros fisiológicos mais comumente considerados são a Ox e a FC10, bem como as provas de função pulmonar (espirometria). Vários estudos12,13,14 calcularam as diferenças nesses parâmetros nos dias que antecederam a exacerbação da DPOC. Assim, para Ox, foi relatada uma diminuição de 1 a 2 pontos ou 1 a 1,24 desvios padrão (DP) em relação à linha de base, e para FC, foram relatadas elevações de 5 a 7 batimentos por minuto ou 3 DP em relação à linha de base. Dentre os parâmetros citados para ambas as condições, destacamos o Boi e a FC, por serem parâmetros fisiológicos que atualmente podem ser monitorados remotamente e de forma confiável por meio de dispositivos tecnológicos ininterruptos na rotina diária dos pacientes.