Modelos de Aprendizagem Automática Específicos por Género para Prever Metástases Distantes no Cancro do Fígado (GENDER-HCC-MET)

Desenho e Objetivo do Estudo:

Este foi um estudo de coorte retrospetivo, de base populacional, utilizando dados da base de dados Surveillance, Epidemiology, and End Results (SEER). O objetivo principal foi comparar sistematicamente a incidência e identificar determinantes específicos de sexo para a metastização à distância em doentes com carcinoma hepatocelular (CHC). Um objetivo secundário foi desenvolver e validar modelos de predição de machine learning (ML) separados e de alto desempenho para o risco de metastização à distância, adaptados a doentes do sexo masculino e feminino.

Fonte de Dados e Participantes:

Os dados foram extraídos de 22 registos SEER, abrangendo doentes diagnosticados com CHC entre 2004 e 2022. A inclusão exigiu um diagnóstico patológico de CHC. Os principais critérios de exclusão foram: dados em falta sobre raça, estado civil, grau do tumor ou estado cirúrgico; neoplasia maligna primária não sendo a primeira; e dados incompletos de estadiamento TNM. Após aplicação dos critérios, 19.019 doentes foram incluídos na análise final (14.575 do sexo masculino, 4.444 do sexo feminino).

Variáveis e Definições:

A variável de desfecho foi o estado de metastização à distância no momento do diagnóstico, dicotomizada como M0 (sem metastização) ou M1 (com metastização) com base em critérios consistentes da AJCC. As variáveis preditoras incluíram: idade, sexo, raça, grau do tumor, estado civil, tratamento cirúrgico (categorizado como não cirurgia, terapia local, ressecção cirúrgica ou transplante hepático), radioterapia, quimioterapia, rendimento familiar anual e local de residência (com base no tamanho da população). Para garantir comparabilidade entre diferentes edições do manual de estadiamento da AJCC, o estádio T foi agrupado como T0-2 (localizado) vs. T3-4 (localmente avançado), e o estádio N como N0 vs. N1.

Análise Estatística e de Machine Learning:

Foram realizadas análises de regressão logística univariada e multivariável para identificar fatores independentemente associados à metastização à distância, estratificados por sexo.

Para a modelação preditiva, o conjunto de dados foi dividido aleatoriamente num conjunto de treino (80%) e num conjunto de teste interno (20%). Foram desenvolvidos e comparados oito algoritmos de machine learning: Regressão Logística, Random Forest, XGBoost, LightGBM, AdaBoost, Decision Tree, Gradient Boosting Decision Tree (GBDT) e Multilayer Perceptron. Os hiperparâmetros dos modelos foram otimizados usando validação cruzada de 10 folds no conjunto de treino. Os modelos finais foram avaliados no conjunto de teste independente. O desempenho do modelo foi avaliado usando a Área Sob a Curva Característica de Operação do Recetor (AUC), acurácia, sensibilidade, especificidade, pontuação F1, curvas de calibração e Análise de Curva de Decisão (DCA). A interpretabilidade do modelo com melhor desempenho foi melhorada usando Shapley Additive Explanations (SHAP).