Desenvolvimento e validação de um nomograma para previsão de cirurgia na doença de Crohn recém-diagnosticada: um estudo de coorte retrospectivo

A doença de Crohn (DC), uma doença inflamatória crônica que envolve todo o trato gastrointestinal, tem um curso progressivo e destrutivo e sua incidência está aumentando em todo o mundo.1 Embora o comportamento da doença mais comum em pacientes com DC recém-diagnosticada seja inflamatório (B1 na Classificação de Montreal2), uma progressão rápida e proeminente no comportamento da doença será observada em aproximadamente metade dos pacientes dentro de 10 anos após o diagnóstico.3-5 Dados de uma coorte de base populacional mostram que quase metade dos pacientes desenvolveu complicações intestinais, como estenoses e fístulas, nos 20 anos seguintes ao diagnóstico.3 Apesar da aplicação de terapias de manutenção imunossupressoras, mais da metade dos pacientes sofrem complicações graves e necessitam de ressecção intestinal.6,7 Nas últimas décadas, com o advento de terapias biológicas direcionadas, como antagonistas do fator de necrose tumoral, anticorpo monoclonal antiintegrina seletivo para o intestino e inibidores da sinalização de IL-12 e IL-23, o tratamento médico da DC foi revolucionado.8 Demonstrou-se que a aplicação mais precoce e mais agressiva de produtos biológicos ou novas moléculas pequenas e terapias combinadas induz uma alteração profunda no curso natural da doença e diminui a necessidade de hospitalização e cirurgia entre pacientes com DC recém-diagnosticada.9,10 No entanto, um dos desafios mais difíceis na chamada estratégia de tratamento de cima para baixo é a identificação de pacientes que apresentam alto risco de progressão da doença e, portanto, necessitam de um padrão de tratamento mais intensivo, apesar dos eventos adversos relacionados à terapia e dos custos elevados. De outra perspectiva, a falta de identificação de pacientes de alto risco também atrasa a prescrição de terapias mais eficazes e é responsável por um aumento no risco de progressão da doença.

Muito esforço tem sido feito no campo da estratificação de risco inicial para DC recém-diagnosticada. Descobriu-se que muitas características clínicas se correlacionam independentemente com o prognóstico, incluindo idade no momento do diagnóstico, localização da doença, comportamento da doença, tabagismo e histórico de medicação.9,11,12 Entretanto, vários biomarcadores prognósticos foram descobertos em estudos piloto, abrangendo moléculas relacionadas com o sistema imunitário e níveis específicos de expressão genética.13,14 No entanto, a inconveniência e os elevados custos têm impedido a sua plena validação e aplicação clínica. Consequentemente, a seleção da terapia ainda é adaptada ao paciente individual recém-diagnosticado com DC com base nos fatores de risco clínicos e nas comorbidades do paciente8, o que está longe de ser um tratamento de precisão.

Nesta era da inteligência artificial, muitos modelos de aprendizagem automática foram desenvolvidos para inovação em todos os campos da doença inflamatória intestinal, tais como diagnóstico, monitorização, previsão e gestão da evolução da doença.15 Infelizmente, a maioria dos modelos populares de previsão de aprendizado de máquina são essencialmente caixas pretas, apresentando veredictos acompanhados de algumas justificativas, o que limita a confiabilidade clínica e, portanto, obstrui a implementação clínica.16 Para equilibrar eficácia com conveniência e interpretabilidade, pretendemos construir um modelo de regressão estatística de Cox bem interpretado, juntamente com um nomograma baseado em características clínicas e indicadores sorológicos disponíveis para prever o prognóstico a longo prazo da DC recém-diagnosticada.