Cinco subtipos de insuficiência cardíaca que poderiam ser usados para prever riscos futuros para pacientes foram identificados em um novo estudo liderado por pesquisadores da University College London (UCL). Para o estudo, publicado na The Lancet Digital Health, os pesquisadores analisaram dados anônimos detalhados de pacientes de mais de 300 mil pessoas com 30 anos ou mais, diagnosticadas com insuficiência cardíaca no Reino Unido ao longo de 20 anos.
Insuficiência cardíaca é um termo abrangente para quando o coração não consegue bombear o sangue adequadamente pelo corpo. As formas atuais de classificar a insuficiência cardíaca não preveem com precisão como a doença provavelmente progredirá.
Usando vários métodos de aprendizado de máquina, identificaram cinco subtipos: início precoce, início tardio, relacionado à fibrilação atrial (a fibrilação atrial é uma condição que causa um ritmo cardíaco irregular), metabólico (ligado à obesidade, mas com baixa taxa de doença cardiovascular) e cardiometabólico (ligado à obesidade e doenças cardiovasculares).
Os pesquisadores encontraram diferenças entre os subtipos no risco de morte dos pacientes no ano após o diagnóstico. Os riscos de mortalidade por todas as causas em um ano foram: início precoce (20%), início tardio (46%), relacionado à fibrilação atrial (61%), metabólico (11%) e cardiometabólico (37%).
A equipe de pesquisa também desenvolveu um aplicativo que os médicos poderiam usar para determinar qual subtipo uma pessoa com insuficiência cardíaca possui, o que pode melhorar as previsões de riscos futuros e informar as discussões com os pacientes.
O autor principal, professor Amitava Banerjee, do Instituto de Informática em Saúde da UCL), diz: “Procuramos melhorar a forma como classificamos a insuficiência cardíaca, com o objetivo de entender melhor o curso provável da doença e comunicá-lo aos pacientes. Atualmente, é difícil saber como a doença progride e prever para pacientes individuais. Algumas pessoas ficarão estáveis por muitos anos, enquanto outras pioram rapidamente”.
“Melhores distinções entre os tipos de insuficiência cardíaca também podem levar a tratamentos mais direcionados e podem nos ajudar a pensar de maneira diferente sobre possíveis terapias”, complementa. “Neste novo estudo, identificamos cinco subtipos robustos usando vários métodos de aprendizado de máquina e vários conjuntos de dados.”
Para evitar o viés de um único método de aprendizado de máquina, os pesquisadores usaram quatro métodos separados para agrupar casos de insuficiência cardíaca. Eles aplicaram esses métodos a dados de dois grandes conjuntos de dados de cuidados primários do Reino Unido, que eram representativos da população do Reino Unido como um todo e estavam vinculados a internações hospitalares e registros de óbitos. Os conjuntos de dados foram Clinical Practice Research Datalink (CPRD) e The Health Improvement Network (THIN), abrangendo os anos de 1998 a 2018.
“O próximo passo é ver se essa forma de classificar a insuficiência cardíaca pode fazer uma diferença prática para os pacientes – se melhora as previsões de risco e a qualidade das informações fornecidas pelos médicos e se muda o tratamento dos pacientes. Também precisamos saber se seria rentável. O aplicativo que projetamos precisa ser avaliado em um ensaio clínico ou pesquisa adicional, mas pode ajudar nos cuidados de rotina”, afirma o professor Amitava Banerjee.
A equipe de pesquisa treinou as ferramentas de aprendizado de máquina em segmentos dos dados e, depois de selecionar os subtipos mais robustos, validou esses agrupamentos usando um conjunto de dados separado.
Os subtipos foram estabelecidos com base em 87 (de um total de 635) fatores, incluindo idade, sintomas, presença de outras condições, medicamentos que o paciente estava tomando e resultados de exames (por exemplo, pressão arterial) e avaliações (por exemplo, da função renal).
A equipe também analisou os dados genéticos de 9.573 indivíduos com insuficiência cardíaca do estudo UK Biobank. Eles encontraram uma ligação entre subtipos específicos de insuficiência cardíaca e escores de risco poligênico mais altos (pontuações de risco geral devido a genes como um todo) para condições como hipertensão e fibrilação atrial.
Fonte: Amitava Banerjee et al, Identifying subtypes of heart failure from three electronic health record sources with machine learning: an external, prognostic, and genetic validation study, The Lancet Digital Health (2023).
*Rubens de Fraga Júnior é professor de gerontologia da Faculdade Evangélica Mackenzie do Paraná (FEMPAR) e médico especialista em Geriatria e Gerontologia pela Sociedade Brasileira de Geriatria e Gerontologia (SBGG).
