Algoritmo de Priorização de Diagnóstico de Cirrose Hepática Baseado em Registros Eletrônicos de Saúde.

Neste estudo, os pesquisadores aproveitam os recursos modernos de aprendizado de máquina no campo da hepatologia para desenvolver um modelo que pode identificar priorizar indivíduos com alto risco de progredir para cirrose hepática em um estágio inicial e tratável.

A cirrose é um estado avançado da doença hepática que geralmente se manifesta quando o fígado já está gravemente danificado, sem muitas opções de tratamento e com prognóstico sombrio.

Atualmente existem 2 meios para o diagnóstico, o primeiro é a biópsia hepática que é cara e causa dor aos pacientes, e tem seus próprios riscos. O segundo é um teste de imagem designado, como o Fibroscan, que é seguro e indolor, mas também muito caro do que pode ser feito como uma ferramenta de triagem ampla.

Escores que calculam maior probabilidade de uma doença hepática já foram desenvolvidos, mas com menor poder preditivo do que o adequado para justificar um exame mais aprofundado para detecção.

O estudo compreende 4 fases distintas:

1. Desenvolvimento de modelo. Um modelo de aprendizado de máquina que prevê o tempo até o evento para o diagnóstico de cirrose hepática será desenvolvido com base em Registros Eletrônicos de Saúde. Os registros são anonimizados e todo o trabalho é realizado em um servidor designado.

2. Registros Eletrônicos Anônimos de Saúde serão obtidos os mais recentes resultados de testes de laboratório e diagnósticos do distrito norte de Clalit Healthcare. Nesses registros, o modelo treinado da fase 1 será executado para prever o tempo até o evento para o diagnóstico de cirrose hepática. Por meio de previsões, os indivíduos serão ordenados por risco.

   Por meio dos registros desanonimizados, disponíveis apenas para médicos, serão observados 20 indivíduos de maior risco. Isso inclui medir as pontuações FIB-4 mais recentes, visualizar diagnósticos e testes anteriores, bem como informações de texto de médicos. Esses indivíduos não são convidados para uma visita e são vistos apenas retrospectivamente por meio de seus registros.

3. Após os resultados da fase 2, o modelo de aprendizado de máquina da fase 1 será revisado. Isso inclui possíveis alterações como revisões de critérios de inclusão/exclusão, alteração de exames laboratoriais dados como entrada para o modelo, etc.
4. Como na fase 2, serão obtidos Registros Eletrônicos de Saúde atualizados e anônimos do distrito de saúde Clalit North. O modelo atualizado da fase 3 será executado para prever o tempo até o evento para o diagnóstico de cirrose hepática. Além disso, todos os indivíduos terão sua pontuação FIB-4 computada. Será construída uma lista classificada dos melhores indivíduos com maior risco previsto previsto pelo modelo da fase 3 e dos melhores indivíduos com a pontuação FIB-4 mais alta. Aproximadamente um quarto dos indivíduos virá do grupo de pontuação FIB-4, com idade e sexo correspondentes ao grupo de previsão. A identidade do grupo permanecerá desconhecida dos médicos, mantendo um estudo duplo-cego. Os indivíduos serão convidados à clínica para verificações. Na clínica, os indivíduos serão submetidos a Fibroscan, medidas de altura e peso, responderão ao questionário WHO Alcohol Use Disorders Identification Test (AUDIT). Além disso, seus arquivos no Prontuário Eletrônico serão abertos e os diagnósticos existentes, exames laboratoriais e prescrições de medicamentos serão coletados.