Estudo publicado no Journal of Clinical Oncology (JCO)1 avaliou se um sistema de machine learning poderia ajudar a identificar os pacientes que podem se beneficiar do encaminhamento para cuidados paliativos. “Para pacientes com câncer avançado, consultas precoces com especialistas em cuidados paliativos reduzem custos, melhoram a qualidade de vida e prolongam a sobrevida. No entanto, limitações de capacidade impedem que todos os pacientes recebam cuidados paliativos logo após o diagnóstico”, observam os autores.
Utilizando dados administrativos em nível populacional em Ontário, Canadá, os pesquisadores estabeleceram uma coorte de pacientes com câncer incurável que receberam terapia sistêmica com intenção paliativa entre 1º de julho de 2014 e 30 de dezembro de 2019.
Foi desenvolvido um sistema de machine learning (aprendizado de máquina) que previu a morte no período de 1 ano após cada tratamento usando dados demográficos, características do câncer, tratamentos, sintomas, valores laboratoriais e histórico de internações em cuidados intensivos. Os pesquisadores treinaram o sistema em pacientes que iniciaram o tratamento antes de 1º de julho de 2017 e avaliaram o seu impacto potencial no cuidado paliativo em pacientes subsequentes.
Resultados
Entre 560.210 tratamentos recebidos por 54.628 pacientes, a morte ocorreu no período de 1 ano em 45,2%. O sistema de aprendizado de máquina recomendou o mesmo número de consultas de cuidados paliativos observadas com cuidados habituais com risco de morte de 60,0% em 1 ano, com um valor preditivo positivo de 69,7% e uma sensibilidade de 74,9%.
Em comparação com os cuidados habituais, os cuidados orientados pelo sistema podem aumentar o cuidado paliativo precoce em 8,5% no geral (IC 95%, 7,5 a 9,5; P < 0,001) e em 15,3% (IC 95%, 13,9 a 16,6; P < 0,001) entre pacientes que vivem 6 meses além do primeiro tratamento, sem necessidade de mais consultas de cuidados paliativos no total ou aumento substancial entre pacientes com prognóstico superior a 2 anos.
Em síntese, os sistemas prognósticos de machine learning podem aumentar os cuidados paliativos iniciais, apesar das restrições de recursos existentes. “Estes resultados demonstram uma necessidade urgente de implantar e avaliar sistemas prognósticos na prática clínica em tempo real para aumentar o acesso ao cuidado paliativo precoce”, destacaram os pesquisadores.
Editorial2 que acompanha a publicação ressalta que o momento ideal para oferecer cuidados paliativos precoces para pacientes com câncer avançado que podem viver vários anos ainda não está claro, e o estudo atual não responde a esta questão. “Nenhum estudo sugere que os pacientes com maior sobrevida não se beneficiem de cuidados paliativos precoces para melhorar resultados como o controle dos sintomas e a qualidade de vida. Precisamos de mais dados para identificar quais pacientes necessitam de cuidados paliativos precoces para maximizar sua qualidade de vida e outros aspectos importantes de viver com uma doença grave, que podem não estar associados ao seu prognóstico, mas a outros fatores, como consciência prognóstica e enfrentamento”, avaliam os autores, acrescentando que o estudo representa um primeiro passo importante no uso de um modelo prognóstico de machine learning para ajudar no encaminhamento para cuidados paliativos.
Referências: Jiang Chen He et al., Machine Learning to Allocate Palliative Care Consultations During Cancer Treatment. JCO 0, JCO.23.01291. DOI:10.1200/JCO.23.01291
Gary E. Weissman et al. Use of Machine Learning to Optimize Referral for Early Palliative Care: Are Prognostic Predictions Enough?. JCO 0, JCO.24.00024. DOI:10.1200/JCO.24.00024
