Título

MODELO PREDITIVO PARA FUNÇAO TARDIA DO ENXERTO EM POS-TRANSPLANTE RENAL IMEDIATO

Introdução

A necessidade de terapia dialítica no pós-transplante renal imediato alcança elevadas cifras no Brasil, provavelmente relacionadas ao pior manejo do potencial doador falecido. O objetivo do estudo foi a criação de modelo preditivo da Função Tardia do Enxerto (FTE), com base em transplantes renais com doadores falecidos, com utilização de ferramentas de Machine Learning.

Material e Método

Dados coletados de 1007 transplantados renais de doadores falecidos, cujos transplantes foram realizados na instituição HC-FMB\UNESP de Janeiro de 2010 a Agosto de 2020, a partir dos registros de internação e prontuários. Os dados foram divididos em treino (70%) e teste (30%). Foram construídos modelos preditivos a partir da escolha de algoritmos não lineares como árvores de decisão, regressão em lasso, redes neurais, além da regressão logística.

Resultados

Observou-se incidência de 58,13% para a nossa coorte, valor 3 vezes superior ao observado em coortes internacionais. Criou-se 3 modelos preditivos, que de forma geral obtiveram acurácias abaixo de 70%. Para além das variáveis historicamente relacionadas à FTE (creatinina final do doador, tempo de isquemia fria e idade do doador), o modelo XGBTree (AUC 0.637, SENS 0.333, SPEC 0.855) elencou “sexo masculino do receptor” e “hipertensão arterial do doador” como variáveis de maior grau de importância; o modelo Random Forest (AUC 0.607, SENS 0.310, SPEC 0.821), por sua vez, elencou variáveis de manutenção como “imc do receptor, imc do doador, cpk e sódio final do doador”. Por fim, o modelo Elastic Net (AUC 0.602, SENS 0.393, SPEC 0.752) deu maior destaque às variáveis classicamente relacionadas à FTE, já mencionadas. 13,2% dos pacientes receberam enxertia a partir de doadores de critério expandido, o que denota a oferta regional de rins de boa qualidade estrutural.

Discussão e Conclusões

Percebe-se a dificuldade de predição do desfecho FTE também por modelos estatísticos não convencionais. Os achados sugerem a importância de variáveis relacionadas à manutenção\manejo do doador e ao transplante para diminuição significativa da ocorrência de FTE. As técnicas de machine learning concentram-se na importância do preditor e da resposta direcionada, em vez de apenas na análise estatística para valores de p.

Palavras Chave

Transplante renal Função Tardia do Enxerto Machine learning Variáveis de manutenção\manejo do doador Doador de critério expandido

Área

Transplante

Instituições

Universidade Estadual Paulista "Júlio de Mesquita Filho" - UNESP - Botucatu - São Paulo - Brasil

Autores

Durval Matheus Maurino, Pedro Guilherme C Hannun, Arthur Cesar Santos Minato, Juliana Feiman Sapiertein Silva, Pedro Henrique D V Affonso, Pedro Ramos Florindo, Hong Si Nga, Luis Gustavo Modelli de Andrade