Para prever o risco de doenças cardiovasculares em milhões de pacientes com apneia obstrutiva do sono, que é um distúrbio grave do sono, os investigadores do Mount Sinai Health System criaram uma ferramenta analítica usando aprendizado de máquina.
As conclusões do estudo já foram publicadas na “Communications Medicine” fornecem pela primeira vez estimativas sobre se a pressão positiva contínua nas vias aéreas (CPAP, sigla em inglês), uma terapia amplamente utilizada para apneia obstrutiva do sono, aumentará ou diminuirá o risco cardiovascular de um indivíduo. O estudo destaca o potencial da medicina de precisão e de abordagens variadas para personalizar o atendimento clínico e reduzir o risco de doenças cardiovasculares em pacientes vulneráveis.
A apneia obstrutiva do sono é uma condição comum e grave na qual a respiração para e recomeça repetidamente durante o sono. Afeta cerca de 25 milhões de pessoas só nos Estados Unidos e está associada a riscos elevados de doenças cardiovasculares, incluindo acidente vascular cerebral e doenças cardíacas.
A CPAP, que fornece um fluxo contínuo de ar pressurizado através de uma máscara e ajuda a eliminar as interrupções da respiração durante o sono, continua a ser o tratamento mais eficaz para a apneia do sono. No entanto, estudos anteriores de grande porte não demonstraram que a CPAP reduza os riscos de doenças cardiovasculares em pacientes com essa condição.
Os investigadores do Mount Sinai usaram um algoritmo de aprendizado de máquina para criar um modelo de análise que prevê como a CPAP pode afetar a saúde cardiovascular de um indivíduo, estimando a probabilidade de cada paciente beneficiar ou sofrer danos com a terapia, com base em suas informações de sono e saúde.
“Os resultados do estudo representam um avanço significativo na medicina personalizada, afastando-nos de uma estratégia única para todos no tratamento da apneia obstrutiva do sono”, disse a coautora correspondente Neomi A. Shah, Professora de Medicina, em Pneumologia, Cuidados Intensivos e Medicina do Sono e Inteligência Artificial e Saúde Humana, e Chefe Associada de Assuntos Académicos da Divisão de Pneumologia, Cuidados Intensivos e Medicina do Sono da Escola de Medicina Icahn do Mount Sinai.
A especialista acrescentou: “Isto reforça o valor de novas abordagens baseadas em dados, como o nosso modelo, para auxiliar os médicos na tomada de decisões informadas sobre as recomendações de tratamento com CPAP, melhorando o atendimento personalizado para atender às necessidades individuais de cada paciente.”
A equipa de investigadores do Mount Sinai analisou dados do estudo SAVE (Sleep Apnea Cardiovascular Endpoints), a maior coorte clínica a avaliar o uso de CPAP para prevenção de doenças cardiovasculares, com mais de 2.600 participantes de 89 centros em sete países, para estimar escores de efeito do tratamento individualizados. Eles consideraram mais de 100 preditores provenientes de informações sobre sono e saúde para estabelecer 23 características basais principais, como condições médicas prévias e tabagismo, no seu modelo de análise.
Os investigadores descobriram que a resposta ao tratamento variou significativamente entre os participantes do estudo. O modelo identificou um subgrupo que apresentava expetativa de melhora no risco cardiovascular com o tratamento com CPAP; os participantes desse subgrupo, aleatoriamente designados para receber a terapia, apresentaram uma melhora de 100 vezes no risco cardíaco futuro em comparação com o tratamento padrão. Por outro lado, os de um subgrupo com previsão de sofrer danos com a terapia apresentaram um aumento superior a 100 vezes nos desfechos de doenças cardiovasculares, incluindo AVCs e infartos recorrentes, ao receberem CPAP em comparação com o tratamento padrão.
“Os resultados do estudo demonstram o poder do aprendizado de máquina para a previsão dos efeitos do tratamento numa era de medicina de precisão. No entanto, os modelos exigem uma validação cuidadosa para comprovar a utilidade na prática clínica”, disse o coautor principal Oren Cohen, Professor Assistente de Medicina, especializado em Pneumologia, Cuidados Intensivos e Medicina do Sono, na Icahn School of Medicine.
“A inteligência artificial na medicina precisa ir além do reconhecimento de padrões e chegar ao raciocínio causal”, disse a coautora correspondente Mayte Suarez-Farinas, codiretora da Divisão de Bioestatística e Ciência de Dados e professora de Ciência e Política de Saúde Populacional e Inteligência Artificial e Saúde Humana, na Escola de Medicina Icahn.
A especialista acrescentou: “Ao estimar os efeitos individualizados do tratamento ao longo do tempo usando dados de ensaios clínicos randomizados, avançamos a IA preditiva em direção a ferramentas de apoio à decisão baseadas na causalidade, capazes de orientar decisões de tratamento no mundo real e melhorar os resultados.”
Entre os investigadores do estudo SAVE que contribuíram para o estudo estão: os do Instituto George para a Saúde Global em Sydney, Austrália; da Universidade de Nova Gales do Sul, em Sydney; da Escola de Engenharia Elétrica e Mecânica da Universidade de Adelaide, em Adelaide, Austrália; e do Instituto de Saúde do Sono de Adelaide/Instituto de Investigação Médica e de Saúde Flinders da Universidade Flinders, em Adelaide.
