Pesquisadores usaram machine learning - uma técnica para automatizar a criação de modelos de computador - para desenvolver um novo sistema para predizer a sobrevida de pacientes com síndromes mielodisplásicas. Os resultados foram apresentados por Aziz Nazha (foto), primeiro autor do trabalho e médico da Cleveland Clinic.
Nos testes, o sistema superou a atual ferramenta de prognóstico padrão-ouro, sugerindo que o novo modelo poderia oferecer aos pacientes e médicos uma ferramenta melhor e mais personalizada para entender o risco de um paciente e informar seu tratamento.
Pacientes com síndromes mielodisplásicas (MDS) têm resultados heterogêneos que podem variar de meses para alguns pacientes a décadas para outros. Embora vários sistemas de pontuação prognóstica tenham sido desenvolvidos para estratificar os casos de SMD, a sobrevida varia mesmo dentro de categorias distintas, o que pode levar ao excesso ou ao subtratamento. Cerca de um terço dos pacientes desenvolvem leucemia mieloide aguda (LMA), um tipo mais agressivo de câncer no sangue.
Os pacientes de alto risco geralmente são tratados com um transplante de células-tronco, que pode curar a doença, mas traz riscos significativos, enquanto outros tratamentos, menos arriscados, são recomendados para pacientes com melhor prognóstico. O melhor curso de tratamento para pacientes com risco intermediário pode não ser claro, pois ensaios clínicos definem os limiares de risco de diferentes maneiras.
"Todas as diretrizes de tratamento são direcionadas pelo risco, o que significa que se calcularmos mal o risco, o tratamento que oferecemos é errado", disse Nazha. "Melhorar e personalizar nossos modelos prognósticos pode ajudar a delinear pacientes que estão em maior versus menor risco - o que é particularmente desafiador para aqueles que se enquadram na faixa intermediária - e combiná-los com o tratamento adequado", acrescentou.
Atualmente, os médicos usam o Revised International Prognostic Scoring System (IPSS-R) para avaliar o risco de pacientes com síndromes mielodisplásicas. No entanto, o IPSS-R subestima ou superestima o risco em até um terço dos pacientes, de acordo com Nazha.
Para melhorar as ferramentas de prognóstico, a equipe de Nazha desenvolveu um sofisticado algoritmo que utiliza dados clínicos e mutacionais de pacientes diagnosticados com SMD de acordo com os critérios de 2008 da OMS. Eles treinaram o sistema usando dados de pacientes da Cleveland Clinic e Munich Leukemia Laboratory (1471 pacientes no total) e validaram em uma coleção separada de dados de pacientes do Moffitt Cancer Center (831 pacientes).
Em comparações head to head usando prontuários médicos de pacientes, o novo modelo previu corretamente a probabilidade de um paciente sobreviver por um determinado período de tempo em relação a outro paciente em 74% do tempo, comparado a 67% para IPSS-R. O modelo previu corretamente a probabilidade de um paciente desenvolver LMA em relação a outro paciente em 81% do tempo, em comparação com 73% para o IPSS-R.
Agora, os pesquisadores estão reunindo feedback dos médicos e trabalhando para incorporar mais resultados no modelo, como qualidade de vida. Eles também estão desenvolvendo maneiras para o modelo atualizar a avaliação do risco em resposta a mudanças nas condições, como quando os novos resultados dos testes estão disponíveis ou os tratamentos são concluídos.
Referência: A Personalized Prediction Model to Risk Stratify Patients with Myelodysplastic Syndromes [793] - Aziz Nazha et al
