Pérolas-chave para colocar em prática:
Usando inteligência artificial para prever risco para doença renal crônica
Taylor Gin, DVM, Universidade Estadual da Carolina do Norte
Craig Gin, PhD, North Carolina State University
Shelly Vaden, DVM, DACVIM, PhD, North Carolina State University
UROLOGIA E NEFROLOGIA
A detecção precoce da doença renal crônica felina (DRC) pode ser desafiadora, pois mesmo os marcadores mais confiáveis da disfunção renal podem ser influenciados por fatores extrarenais. Histórico do paciente, exame físico e diagnósticos laboratoriais (por exemplo, BUN, creatinina, gravidade específica da urina [USG], volume celular embalado, eletrólitos) são tipicamente usados para determinar se os rins estão funcionando corretamente, mas a avaliação dos resultados laboratoriais só fornece (na melhor das hipóteses) uma indicação de disfunção renal a 75% de perda de nefron. Diagnósticos mais novos para determinar fatores de risco ou marcadores biológicos para disfunção renal são, portanto, de extrema importância.1
Este estudo* utilizou aprendizado de máquina para tentar prever se gatos matriculados desenvolveriam DRC dentro de 12 meses. O modelo reconheceu combinações sutis de testes laboratoriais (por exemplo, BUN, creatinina, USG) que servem como marcadores iniciais de risco de DRC em gatos ≥ 7 anos de idade. Foram consideradas duas estratégias para determinar um corte entre gatos com alto e baixo risco de desenvolvimento de DRC. A primeira estratégia maximizou tanto a sensibilidade (87%) e especificidade (70%) e apareceu mais adequado para cenários em que identificar corretamente gatos que não desenvolverão DRC dentro de 12 meses é considerado mais importante do que identificar corretamente gatos que desenvolverão DRC (ou seja, alto valor preditivo negativo). A segunda estratégia maximizou a especificidade (98%) mas apresentaram menor sensibilidade (42%). Como essa estratégia tem um valor preditivo positivo maior (87%), é mais apropriado tentar limitar resultados falso-positivos. Os médicos devem estar cientes da sensibilidade e especificidade da estratégia exata que está sendo utilizada ao aplicá-la à prática clínica.
… AOS SEUS PACIENTES
1
O modelo deste estudo pode ajudar a prever o risco de desenvolver DRC dentro de 12 meses em gatos ≥7 anos de idade, mas não deve ser aplicado a gatos <7 anos de idade.
2
Embora o modelo deste estudo não forneça um diagnóstico de DRC, é importante aumentar o monitoramento de exames laboratoriais (especificamente BUN, creatinina, USG, eletrólitos e pressão arterial) a cada 3 a 4 meses em gatos considerados em risco com base nesse modelo.
3
Este estudo analisou apenas os resultados laboratoriais da visita mais recente do paciente. Uma revisão cuidadosa do histórico do paciente — especialmente no que diz respeito às tendências de BUN, creatinina, USG, peso corporal e sinais clínicos — pode fornecer mais informações.
Fonte: Using Artificial Intelligence to Predict Risk for Chronic Kidney Disease | Clinician’s Brief