Ferramenta de IA prevê complicações de transplante com risco de vida meses antes do surgimento dos sintomas
Pesquisadores desenvolveram o BIOPREVENT, uma ferramenta de IA que prevê doença do enxerto contra o hospedeiro (GVHD) crônica e mortalidade relacionada ao transplante em pacientes submetidos a transplante de células-tronco e de medula óssea. O modelo analisa biomarcadores sanguíneos e dados clínicos coletados 90–100 dias após o transplante para estimar o risco futuro de complicações graves.
Uma poderosa ferramenta de inteligência artificial (IA) pode dar aos médicos uma vantagem na identificação de complicações com risco de vida após transplantes de células-tronco e de medula óssea, segundo uma nova pesquisa do MUSC Hollings Cancer Center. O estudo, publicado no Journal of Clinical Investigation, combina biomarcadores imunológicos, dados clínicos e aprendizado de máquina para criar uma ferramenta de previsão de risco no mundo real.
Para muitos pacientes, um transplante de células-tronco ou de medula óssea salva vidas. Mas a recuperação não termina quando os pacientes deixam o hospital. Para alguns, complicações graves podem surgir meses depois, muitas vezes sem aviso.
Uma das mais desafiadoras é a doença do enxerto contra o hospedeiro (GVHD) crônica, uma condição na qual células imunológicas do transplante atacam os tecidos saudáveis do paciente. A doença pode afetar múltiplos órgãos, incluindo pele, olhos, boca, articulações e pulmões, causando incapacidade de longo prazo ou até mesmo morte.
Pesquisadores, liderados por Sophie Paczesny, M.D., Ph.D., co-líder do Cancer Biology and Immunology Research Program em Hollings, assim como Michael Martens, Ph.D., e Brent Logan, Ph.D., do Center for International Blood and Marrow Transplant Research no Medical College of Wisconsin, desenvolveram uma ferramenta baseada em IA que pode ajudar os médicos a identificar pacientes com maior risco de GVHD crônica antes do aparecimento dos sintomas, abrindo caminho para um monitoramento mais precoce.
Aplicando aprendizado de máquina a proteínas relacionadas ao sistema imune e a informações clínicas validadas, a equipe desenvolveu uma ferramenta chamada BIOPREVENT que estima o risco futuro de um paciente desenvolver GVHD crônica e morrer por causas relacionadas ao transplante.
Apesar dos grandes avanços no cuidado ao transplante, a GVHD crônica permanece como uma das principais causas de doença e morte após o transplante. Mas a doença não começa quando os sintomas aparecem; as alterações biológicas que a impulsionam começam muito antes.
Os primeiros meses após um transplante são particularmente críticos. Os pacientes podem se sentir bem, mas a atividade imunológica sob a superfície já pode estar preparando o terreno para complicações. Quando a GVHD crônica é diagnosticada, o processo da doença frequentemente já vem se desenrolando há meses, prejudicando o corpo silenciosamente.
Os pesquisadores analisaram dados de 1.310 receptores de transplante de células-tronco e de medula óssea em quatro grandes estudos multicêntricos. Amostras de sangue coletadas 90 a 100 dias após o transplante foram testadas para sete proteínas imunológicas ligadas à inflamação, à ativação e regulação imune e à lesão e remodelamento tecidual. Os biomarcadores imunológicos usados no BIOPREVENT foram identificados e validados em um estudo anterior liderado por Paczesny.
Esses biomarcadores foram combinados com nove fatores clínicos, incluindo idade do paciente, tipo de transplante, doença primária e complicações prévias, extraídos de registros de transplante. Nos EUA, os centros de transplante são obrigados a enviar dados detalhados e específicos do transplante ao Center for International Blood and Marrow Transplant Research, com revisão adicional para pacientes de ensaios clínicos. Segundo Paczesny, essa informação padronizada ajudou a garantir que o modelo fosse construído com dados clínicos consistentes e de alta qualidade.
A equipe testou várias abordagens de aprendizado de máquina para avaliar se seria possível prever os desfechos dos pacientes com mais precisão do que métodos estatísticos tradicionais. O modelo com melhor desempenho, baseado em uma técnica estatística chamada Bayesian additive regression trees, tornou-se a base do BIOPREVENT.
Os resultados mostraram que modelos que combinavam biomarcadores sanguíneos com dados clínicos superaram de forma consistente os modelos baseados apenas em dados clínicos, especialmente na previsão de mortalidade relacionada ao transplante. A equipe também validou a ferramenta em um grupo independente de receptores de transplante, confirmando que ela previa o risco de maneira confiável além dos pacientes usados para construir o modelo.
O BIOPREVENT também conseguiu separar os pacientes em grupos de baixo e alto risco, com diferenças claras em seus desfechos até 18 meses depois. Notavelmente, diferentes biomarcadores previram diferentes desfechos do transplante, reforçando que a GVHD crônica e a morte relacionada ao transplante são, ao menos em parte, impulsionadas por fatores biológicos distintos. Por exemplo, um biomarcador sanguíneo esteve intimamente ligado ao risco de morte após o transplante, enquanto outros foram melhores para sinalizar quem mais tarde desenvolveria GVHD crônica.
Para tornar a pesquisa utilizável além do estudo, a equipe transformou o BIOPREVENT em uma aplicação gratuita, baseada na web. Os médicos podem inserir os detalhes clínicos e os valores de biomarcadores de um paciente e receber estimativas personalizadas de risco ao longo do tempo.