Estudo observacional prospectivo de linfoma B difuso de células grandes (LBDGCréfract)

A doença refratária primária afeta aproximadamente 30-40% dos pacientes com diagnóstico de LDGCB e é um desafio no manejo desta doença devido ao seu mau prognóstico. A previsão do estado refratário pode ser muito útil na estratégia de tratamento, permitindo uma intervenção precoce. Na verdade, várias opções estão agora disponíveis, dependendo das características do paciente e da doença, como quimioterapia de resgate e TCTH autólogo, terapias direcionadas ou terapia com células T CAR. As técnicas supervisionadas de aprendizagem automática são capazes de prever resultados num contexto médico e, portanto, parecem muito adequadas para este assunto.

A nossa abordagem com a aprendizagem automática parece particularmente interessante porque atualmente não existem modelos estatísticos suficientemente eficientes para fornecer apoio à tomada de decisões aos médicos. Portanto, mostramos em um estudo anterior que algoritmos podem ser eficazes na previsão do estado refratário da doença a partir de dados estruturados do prontuário médico do paciente. Devido ao grande número de terapias de resgate disponíveis e eficazes, intervir rapidamente no percurso terapêutico do paciente parece ser a opção certa e a forma mais personalizada de maximizar as chances de cura e reduzir as de toxicidade. Com base no julgamento clínico dos médicos e nas melhores previsões dos algoritmos, o médico poderia escolher uma estratégia de tratamento precoce para DLBCL refratário primário.

Encontramos em um estudo anterior dois modelos interessantes (NBC e XGBoost) para prever doença refratária no conjunto de validação. A aplicação de técnicas de aprendizado de máquina pode contribuir significativamente para o manejo de pacientes com LDGCB. Esses algoritmos têm o potencial de auxiliar os médicos na tomada de decisões informadas sobre estratégias de tratamento, permitindo a personalização de terapias com base em cada paciente. Para validar esses achados em uma escala mais ampla, este estudo poderia confirmar os resultados em uma coorte prospectiva e o valor desta tecnologia no manejo complexo da doença refratária primária em pacientes com LDGCB.