Título

Estimating hemodynamic results in hemodialysis using machine learning

Introdução

A hipotensão intradialítica (HID) é reconhecida como a mais frequente complicação nas sessões de hemodiálise. Sua ocorrência está associada ao aumento da morbimortalidade entre pacientes submetidos à terapia renal substitutiva. Apesar da sua importância clínica, a previsão de sua ocorrência ainda é um desafio. No presente estudo, foram desenvolvidos modelos de aprendizado de máquina a fim de predizer os episódios de HID, a partir de dados coletados antes do início das sessões de hemodiálise.

Material e Método

Estudo transversal retrospectivo, a partir de dados oriundos de 19.362 sessões de hemodiálise realizadas por 108 pacientes em terapia de substituição renal crônica (acima de 3 meses) no Serviço de Nefrologia do Hospital São Lucas da PUCRS. Para a construção dos modelos, foram utilizadas as seguintes variáveis: idade, sexo, frequência cardíaca, pressão arterial (PA) sistólica, PA diastólica, PA média, peso pré-diálise, diferença de peso interdialítico e a ocorrência de HID em sessões prévias. O desfecho avaliado foi a ocorrência de HID. Foram elaborados modelos utilizando os métodos de aprendizado de máquina Decision Tree, Random Forest, Neural Network e Logistic Regression. Para avaliar a capacidade preditiva, foram calculadas a área sob a curva ROC (AUC), a sensibilidade (S) e a especificidade (E) de cada método.

Resultados

Na amostra estudada, houve uma prevalência de 11,98% de HID. Entre os métodos de aprendizado de máquina elaborados, os melhores resultados foram demonstrados por Random Forest, com alta sensibilidade e especificidade (AUC=0,912, S=0,829 e E=0,840), seguido por Neural Network (AUC=0,859, S=0,884 e E=0,679), Decision Tree (AUC=0,811, S=0,886 e E=0,657) e Logistic Regression (AUC=0,785, S=0,925 e E=0,582). Dentre os fatores estudados, o peso dos pacientes foi o de maior relevância na construção do modelo Random Forest.

Discussão e Conclusões

Os modelos de aprendizado de máquina aqui utilizados na investigação de HID apresentaram resultados satisfatórios quanto às suas sensibilidades e especificidades na predição dos eventos. Portanto, estudos complementares podem testar seu uso como ferramenta de suporte à equipe assistencial, bem como na investigação etiológica do fenômeno.

Palavras Chave

Hiptensão Intradialítica, Doença renal crônica, Inteligência artificial.

Área

Doença renal crônica

Instituições

PUCRS - Porto Alegre - Rio Grande do Sul - Brasil

Autores

Fernando Kowarick Halperin, Henrique Dias Pereira Santos, Giovani Gadonski