Aprendizado de máquina para avaliação do risco de recidiva na pancreatite biliar aguda. (MINERVA)

A pancreatite aguda é a doença pancreática mais comum, com uma incidência global de 34 casos por 100.000 indivíduos. Esta doença contabiliza mais de 1,5 milhões de novos pacientes por ano em todo o mundo, com uma mortalidade que se aproxima de 1%. Pacientes com pancreatite aguda biliar leve, quando admitidos no hospital, podem ser tratados com colecistectomia índice, precoce (dentro de 3 a 7 dias do episódio agudo) ou de forma conservadora. Embora o tratamento conservador possa ser resolutivo, até 35% desses pacientes apresentam uma recaída em 30 dias e necessitam de cirurgia de emergência em uma condição geral do paciente significativamente pior, reduzindo as chances de sucesso. Fora isso, a recaída aumenta dramaticamente as chances de pancreatite crônica, câncer de pâncreas, complicações pós-operatórias e mortalidade geral. Os episódios de recaída também têm um impacto económico nas unidades de saúde, uma vez que uma segunda e mais longa internação hospitalar por paciente aumenta o custo médico global por paciente em pelo menos 100%. Até o momento, entretanto, não existem métodos padronizados para prever a recidiva da pancreatite aguda biliar em pacientes que não foram submetidos à colecistectomia precoce após o primeiro episódio de pancreatite aguda biliar leve.

O projeto MINERVA (Machine learning for the rElapse Risk eValuation in Acute biliary pancreatite) surge da necessidade na prática clínica de tomar uma decisão operacional em doentes que dão entrada no hospital com diagnóstico de pancreatite biliar aguda ligeira.

O projeto MINERVA visa alcançar os seguintes objetivos e resultados:

1. Propor uma nova metodologia para avaliação do risco de recidiva em pacientes com pancreatite aguda biliar leve que não foram submetidos à colecistectomia precoce após o primeiro episódio de pancreatite aguda biliar leve;
2. Propor um modelo preditivo de Machine Learning utilizando uma arquitetura de Deep Learning aplicada a dados fáceis de coletar dos pacientes;
3. Validar a pontuação MINERVA em uma coorte extensa, multicêntrica e prospectiva;
4. Permitir que médicos, equipes médicas, pesquisadores e o público em geral, nacionais e internacionais, acessem de forma livre e fácil o cálculo do escore MINERVA e o utilizem em sua prática clínica diária.

A pontuação MINERVA fornecerá aos médicos uma avaliação validada e padronizada do risco de recaída que leva em consideração a história pessoal, os dados demográficos e as características laboratoriais de cada paciente. A pontuação MINERVA será gratuita e fácil de calcular instantaneamente para todo o pessoal médico; estará acessível a qualquer momento no site e no aplicativo da MINERVA e fornecerá um resultado imediato e confiável que pode ser uma indicação clara do melhor caminho de tratamento para o médico e para o paciente.

O modelo de pontuação MINERVA será desenvolvido em uma coorte retrospectiva de pacientes (MANCTRA-1, já registrado em ClinicalTrials.gov) e será validado em uma nova coorte multicêntrica prospectiva.

Coorte retrospectiva O desenvolvimento do modelo e o treinamento inicial serão realizados em uma coorte retrospectiva de pacientes (n=692) coletados durante um estudo multicêntrico preliminar, o estudo MANCTRA-1 (aprovado pelo Comitê de Ética do Hospital da Universidade de Cagliari, MANCTRA-1 - NCT04747990, Prot. PG/2021/7108) conduzido pelo PI (Dr. Mauro Podda) e a Universidade de Cagliari responsável local do projeto MINERVA.

Coorte prospectiva Um total de 430 pacientes serão recrutados na coorte prospectiva do estudo MINERVA.

Métodos A pontuação MINERVA será baseada em um modelo de aprendizado de máquina que será desenvolvido e treinado em uma coorte retrospectiva e validado em uma coorte prospectiva de pacientes.

Todas as variáveis ​​do modelo serão processadas com análise de componentes principais do kernel (kPCA).

O Convex Hull do gráfico de dispersão dos componentes principais será calculado e o menor retângulo será extraído. O retângulo será transformado em uma imagem 2D com resolução fixa usando média e normalização de recursos.

O modelo será desenvolvido na Universidade de Nápoles Federico II pela Dra. Daniela Pacella com experiência e supervisão em Machine Learning.

Para evitar overfitting, o conjunto de dados será dividido em conjunto de treinamento, conjunto de teste e conjunto de validação. Além disso, será usada validação cruzada k-fold. O desempenho do modelo MINERVA será avaliado utilizando as medidas de acurácia mais adotadas, como precisão, recall e AUC (Área Sob a Curva ROC). Além disso, seu desempenho será comparado com aquele alcançado utilizando métodos tradicionais de aprendizado de máquina (SVM, ANN). Os dados faltantes serão tratados com métodos de imputação.

Variáveis ​​Idade (Anos) Sexo (Masculino: Feminino) Episódios anteriores de pancreatite biliar (Sim; Não) Especialidade de admissão (HepatoPancreatoCirurgia biliar, Cirurgia geral, Clínica médica, Gastroenterologia) Índice de massa corporal -IMC- (Kg/m2) História clínica de diabetes (Não diabetes; Sim com disfunção orgânica; Sim sem disfunção orgânica) História clínica de doença pulmonar crônica (Sim; Não) História clínica de hipertensão (Sim; Não) História clínica de fibrilação atrial (Sim; Não) História clínica de cardiopatia isquêmica (Sim; Não) História clínica de doença renal crônica (Não; Sim sob medicação; Sim em terapia renal substitutiva permanente ou em preparação para ela) História clínica de doenças do sistema hematopoiético (Sim; Não) Paciente em uso de medicação imunossupressora internado admissão (Sim; Não) Glóbulos Brancos -WBC- (células/mm3) Neutrófilos (células/mm3) Plaquetas (Plt/mm3) INR (International Normalized Ratio) Proteína C reativa -CRP- (mg/L) Aspartato aminotransferase - AST- (U/L) Alanina aminotransferase -ALT- (U/L) Bilirrubina total (mg/dL) Bilirrubina conjugada (mg/dL) Gama-glutamil-transpeptidase -GGT- (U/L) Amilase sérica (U/L ) Lipase sérica (U/L) Lactato Desidrogenase -LDH- (U/L) Coledocolitíase (Sim; Sim, com obstrução do ducto biliar comum; Não) Colangite (Sim; Não) CPRE com esfincterotomia (Sim dentro de 24h da admissão hospitalar; Sim dentro de 24-48h da admissão hospitalar; Sim dentro de 48-72h da admissão hospitalar; Não) Recidiva de pancreatite biliar aguda em 30 dias, 60- dia, 90 dias, 1 ano.