O oncologista Felippe Lazar Neto (foto), do Instituto do Câncer da Escola de Medicina da Universidade de São Paulo, está entre os autores de pesquisa publicada no European Journal of Cancer, que descreve um modelo brasileiro de aprendizado de máquina capaz de prever infecção em pacientes tratados com quimioterapia. O modelo pode ser usado na prática clínica para orientar o tratamento, estratificando o risco de infecções nessa população de pacientes, destacam os autores.
As infecções continuam sendo uma complicação importante para pacientes em quimioterapia. Neste estudo, o objetivo foi desenvolver um modelo de aprendizado de máquina (machine learning) para prever infecção da corrente sanguínea (ICS) em pacientes tratados com quimioterapia.
Foram incluídos pacientes com câncer de um hospital terciário de câncer, que receberam quimioterapia entre 2017 e 2022. Os dados foram coletados por ciclo de quimioterapia e compreenderam informações sobre medicamentos quimioterápicos, indicações, número de ciclos, tipo de câncer, índice de massa corporal, idade, sexo, hemograma completo, níveis de creatinina e culturas microbianas. A ICS foi avaliada em até 21 dias após a quimioterapia.
Os resultados mostram que entre 107.757 ciclos de 19.225 pacientes, 91,7% apresentavam tumores sólidos, principalmente câncer de mama (36,8%) e gastrointestinal (19,4%). O primeiro ciclo representou 23,7% dos ciclos, e a quimioterapia paliativa, 52,9%. Agentes alquilantes foram a classe de medicamentos mais utilizada (55,5%).
Os autores descrevem, ainda, que a ICS ocorreu em 1,33% dos ciclos, com 34% dos casos afetando pacientes neutropênicos. Dos casos de bacteremia, 11,8% foram polimicrobianos e 69,3% envolveram bactérias gram-negativas.
O melhor modelo foi uma rede neural com camada oculta (5 neurônios), que alcançou sensibilidade de 70,7%, especificidade de 93,49%, acurácia de 93,19% e uma área sob a curva ROC de 91,93%. Os principais preditores incluíram o primeiro ciclo, o uso de antimetabólitos, a quimioterapia paliativa, a monocitopenia e as neoplasias hematológicas.
“Este modelo de machine learning prediz eficazmente a bacteremia em pacientes em quimioterapia, incluindo casos não neutropênicos, e pode ser usada na prática clínica para orientar o tratamento e a investigação de infecções”, concluem os autores.
O trabalho tem participação de Adhemar Villani Júnior, que assina como primeiro autor, além de Maristela P. Freire, autora correspondente, e dos pesquisadores Luís Alberto de Pádua Covas Lage, Maura Salaroli Oliveira, Edson Abdala, Fatima L.S. Nunes e Anna Sara S. Levin.
Referência:
Prediction of bacterial and fungal bloodstream infections using machine learning in patients undergoing chemotherapy. Villani Júnior, Adhemar et al. European Journal of Cancer, Volume 223, 115516
