Por Valéria Credidio – Assessoria de Comunicação do LAIS/UFRN (ASCOM/LAIS)

Aproximadamente 1,9 casos de Esclerose Lateral Amiotrófica (ELA) por cada 100 mil pessoas são diagnosticados, anualmente, em todo o mundo. Apesar de ser uma doença rara, a ELA transforma a vida do paciente e de todos em seu entorno, por ser neurodegenerativa, incurável e progressiva, atingindo tanto homens como mulheres em idades que variam de 40 a 70 anos.

Um estudo, realizado por um grupo de pesquisadores do Laboratório de Inovação Tecnológica em Saúde (LAIS/UFRN) apresenta uma abordagem para auxiliar os médicos na elaboração de planos de tratamento personalizados no momento do diagnóstico. Os resultados deste estudo também podem ser utilizados como critério de inclusão ou exclusão de pacientes em ensaios clínicos.

Com o título “Ensemble-imbalance-based classification for amyotrophic lateral sclerosis prognostic prediction: identifying short-survival patients at diagnosis“, o estudo é um dos resultados da pesquisa de doutorado do pesquisador Fabiano Papaiz. O processo de doutoramento do pesquisador está ocorrendo dentro de uma cooperação internacional do LAIS com a Universidade de Coimbra, em Portugal. O artigo foi publicado na revista internacional Springer Nature, pela plataforma BMC e está disponível através do link https://bmcmedinformdecismak.biomedcentral.com/articles/10.1186/s12911-024-02484-5. O artigo ainda conta com a colaboração dos pesquisadores Mário Emílio Dourado Jr., Ricardo Valentim, Rafael Pinto, Higor Morais e Joel Arrais.

A pesquisa investigou a utilização de técnicas de Inteligência Artificial (Ensemble e Imbalance) para melhorar a identificação de pacientes críticos no momento do diagnóstico.  Com o uso dessas técnicas, os pesquisadores classificaram os pacientes em grupos de sobrevida Curta e Não-Curta com base nos dados coletados no momento do diagnóstico. O grupo de sobrevivência Curta compreende indivíduos com alto risco de virem a falecer dentro dos primeiros 24 meses após o início dos sintomas, indicando assim uma rápida taxa de progressão da doença.

De acordo com Fabiano Papaiz, o limite de 24 meses foi escolhido com base na esperança de vida típica dos pacientes com ELA, que varia de 2 a 5 anos. “O nosso objetivo foi identificar pacientes em estado crítico durante o diagnóstico. Esta classificação é essencial para fornecer informações importantes aos médicos, pacientes e seus familiares, tendo como objetivos melhorar a qualidade de vida dos pacientes e facilitar o planejamento de tratamentos  e recursos necessários”, ressaltou o pesquisador.

Ao aplicar essa abordagem inovadora, os pesquisadores alcançaram importantes contribuições como o desenvolvimento e avaliação de modelos de Machine Learning que obtiveram um excelente desempenho na identificação de pacientes críticos no momento do diagnóstico. A pesquisa ainda apresentou uma metodologia de pré-processamento de dados eficaz, a qual permitiu a extração de características relevantes da ELA utilizando biomarcadores comumente encontrados na prática clínica.

Para o diretor executivo do LAIS e autor do artigo, Ricardo Valentim, o estudo oferece ferramentas de ajuda para avaliar, fazer prognóstico da evolução da doença e do paciente. “Isso é muito importante para planejar medicamentos, acessibilidade e melhorar a linha de protocolos de cuidados desses pacientes. É o financiamento de pesquisa em ciência que melhora e impacta diretamente a vida desses pacientes, que são minorias”, finalizou.

Sobre a plataforma

A BMC é uma plataforma dedicada a publicar os melhores periódicos de acesso aberto em nosso portfólio de mais de 250 títulos e estamos sempre nos esforçando para impulsionar o progresso em biologia, ciências da saúde e medicina. Com mais de 20 anos de experiência no pioneirismo em acesso aberto, a BMC fornece pesquisas impactantes e de alta qualidade com uma experiência de publicação de apoio aos autores. A BMC faz parte da Springer Nature.

Como citar

Papaiz, F., Dourado, M.E.T., de Medeiros Valentim, R.A. et al. Ensemble-imbalance-based classification for amyotrophic lateral sclerosis prognostic prediction: identifying short-survival patients at diagnosis. BMC Med Inform Decis Mak 24, 80 (2024). https://doi.org/10.1186/s12911-024-02484-5.