Scores prognósticos

Já pensou de onde vem aquele Score médico utilizado para prever o risco de alguma doença? Pouco é falado, mas esses advém de equações estatísticas, que podem ser aplicadas com Inteligência Artificial.

Vamos falar mais a fundo sobre as definições e as possíveis tarefas que os scores podem nos ajudar.

Definição

Scores prognósticos são baseados em estudos clínicos e mostram a pontuação como uma soma de uma característica multiplicada pelo coeficiente associado a essa feature.

Exemplos

Se usarmos peso como variável prognóstica, ao realizar um modelo estatístico prognóstico obteremos um coeficiente associado à variável. Podemos colocar outras características no modelo, como o nível de glicose, e depois somar todas as contribuições para obter uma pontuação total. Isso é chamado de equação de risco.

Premissas

A equação de risco não precisa ser linear e pode ter interação entre os fatores.

Exemplos:

• Pode ser linear no log natural ou na base de log 10 dos recursos, como vimos na pontuação MELD.
• Podem incluir termos de interação, como no risco de ASCVD, onde podemos ter dois recursos que são multiplicados entre si e depois multiplicados pelo coeficiente associado ao produto (idade x log da Pressão Arterial) .

Objetivo

Prognóstico é um termo médico que se refere à previsão do risco de um evento futuro.

Aqui, evento é um termo geral que captura uma variedade de coisas que podem acontecer a um indivíduo.

Os eventos podem incluir:

• resultados como morte
• outros eventos adversos (ataque cardíco, infarto, AVC…)

Utilidades

Os scores são úteis para:

• Informar os pacientes sobre o risco de desenvolver uma doença. (Existem marcadores laboratoriais ​para estimar o risco de desenvolver câncer de mama e ovário)
• Tempo de sobrevida de determinada doença. (Estadiamento do câncer, que fornece uma estimativa do tempo de sobrevivência dos pacientes com esse câncer em particular)

Tarefas

Tarefa prognóstica: estimar o risco cardiovascular de 10 anos de um indivíduo. Através de fatores de risco escolhidos como idade, LDL, pressão arterial, história familiar…

Tarefas diagnósticas: se esse paciente com alto risco cardiovascular, passa a ter dor torácica, após exames não invasivos, realiza-se um cateterismo cardíaco para DIAGNOSTICAR doença coronariana! A palavra-chave aqui é diagnóstico, que é a identificação de uma doença, não a previsão de um evento futuro.

Tarefas de tratamento: Podemos recomendar a mudança de estilo de vida e prescrição de remédios para o colesterol, visando alterar o prognóstico e tratar a doença diagnosticada! Perceba que não estamos prevendo o risco futuro de um paciente. Para isso, deve-se utilizar um novo modelo prognóstico que utilize tais variáveis!

Próximos passos

A partir da criação de um modelo prognóstico e análise de sobrevivência, deve-se avaliar o modelo conforme seus acertos e erros de acordo com a probabilidade alta ou baixa em dados clínicos reais.

Acompanhe que em breve vamos trazer mais conteúdos sobre métricas de avaliação de modelos de Inteligência Artificial para previsão prognóstica!

Referências

• AI for Medicine (Stanford/deeplearning.ai)
  Framingham Risk Score (2008) https://reference.medscape.com/calculator/252/framingham-risk-score-2008
  - ACC/AHA Guideline on the Assessment of Cardiovascular Risk (2013). doi: 10.1161/​01.cir.0000437741.48606.98.
  - MELD Score — Age above 12 years https://reference.medscape.com/calculator/359/meld-score-age-above-12-years

Fonte da imagem: https://newslab.com.br/nova-pesquisa-sugere-mudancas-no-prognostico-de-hba1c-na-diabetes-tipo-1/