Aplicações de aprendizado de máquina para predição do sucesso terapêutico em fumantes e para análise geoespacial de fatores de risco de neoplasia respiratórias no Brasil

Abstract

Resumo: Introdução: As previsões realizadas utilizando ferramentas de aprendizado de máquina (AM) podem auxiliar nos prognósticos dos efeitos do tratamento e identificação de fatores de risco de mortalidade por diferentes doenças. Objetivos: Desenvolver e aplicar técnicas de AM para predição do sucesso terapêutico em fumantes brasileiros, fazer a análise espaço-temporal da distribuição dos diagnósticos, tratamentos e óbitos por neoplasias do trato respiratório (NTR) e aplicar o modelo de Regressão por Reforço de Gradiente Ponderada Geograficamente para a predição dos fatores associados à mortalidade precoce por NTR no Brasil. Metodologia: Trata-se de estudos observacionais descritivos, transversais e retrospectivos. Para o 1º artigo foram avaliados os desempenhos de oito algoritmos de aprendizado de máquina do tipo supervisionado classificatório (árvore de decisão, floresta aleatória, C5.0, gradiente de impulso de máquina, regressão logística, k-vizinhos próximos, vetor de suporte de máquina e gradiente de impulso extremo) para predizer o sucesso terapêutico em fumantes por meio das métricas: acurácia, sensibilidade, especificidade, valor preditivo de positividade (VPP) e área sob a curva característica da operação do receptor (ROC). Em seguida foram plotados o fluxograma da árvore de decisão e o protótipo da calculadora de risco e mensurada a razão de chance (RC) entre cada variável independente e o desfecho, e a importância das variáveis para o melhor algoritmo baseado no VPP. Para o 2° artigo foram avaliados a distribuição espaço-temporal das taxas suavizadas de diagnóstico, tratamento e mortalidade por NTR, em indivíduos de 40 a 79 anos no Brasil, entre 2013 e 2022, foram realizadas análise das tendências por meio do cubo espaço-temporal seguido de áreas quentes emergentes, além da análise de autocorrelação espacial por meio da Autocorrelação Espacial Global (Índice de Moran) e Indicadores de Associação Espacial Local (LISA) e razão esforço-mortalidade em saúde. Para o 3º artigo foram realizadas as análises de autocorrelação espacial global e local para indivíduos de 30 a 69 anos e incorporados cinco variáveis relacionadas ao acesso especializado à saúde para a regressão por meio do Mínimo Quadrado Ordinário (OLS), Regressão Poderada Geograficamente (GWR) e Regressão por Gradiente de Impulso Ponderada Geograficamente (GWRBoost). Resultados: O valor global médio para as métricas descritas no 1º primeiro artigo foram: 0,675±0,028, 0,803±0,078, 0,485±0,146, 0,705±0,035 e 0,680±0,033, respectivamente. O vetor de suporte de máquina apresentou o melhor desempenho com um VPP de 0,726±0,03. Uso de medicamentos antitabagismo foi a raiz da árvore da decisão com uma RC de 4,42 e importância de 100,00% pelo coeficiente de determinação. Esta variável e o aumento no número promoveram desfechos positivos, enquanto o maior consumo de cigarros por dia resultou no efeito oposto. No segundo artigo observou-se uma tendência de aumento nas taxas de diagnóstico (tendência = 3,22) e tratamentos (tendência = 3,04) e estabilidade para óbitos (tendência = 0,00) com a formação de áreas quentes principalmente nas regiões sul e sudeste e áreas frias no nordeste do país. Houve expansão dos diagnósticos e tratamentos para a região sudeste entre os anos de 2018 e 2022, e estabilidade na mortalidade. Constatou-se elevadas autocorrelações (índice de Moran acima de 0,85) para diagnósticos, tratamento e mortalidade entre 2013 a 2017 e 2018 a 2022, com formação de conglomerados alto-alto principalmente na região sul e baixo-baixo no norte e nordeste do país. A distribuição espacial da razão entre esforço em saúde e mortalidade mostrou que a cobertura em saúde permaneceu consistentemente mais efetiva nas regiões Sul e Sudeste ao longo de ambos os períodos, com sinais de melhora em partes do Centro-Oeste e do Nordeste. No entanto, a região Norte continua apresentando valores marcadamente mais baixos, indicando disparidades persistentes no acesso à saúde em relação à mortalidade. No 3º artigo o Índice de Moran foi de 0,554, revelando um grande agrupamento alto-alto no Rio Grande do Sul. O modelo GWRBoost obteve um R² de 0,7379 e um Índice de Moran dos resíduos de 0,01, demonstrando forte capacidade de capturar relações complexas e espacialmente não estacionárias. O modelo revelou variabilidade espacial significativa na forma como os indicadores de serviços de saúde se relacionam com a mortalidade precoce por NTR entre os municípios; a radiografia apresentou a associação positiva mais consistente com a mortalidade, enquanto outras variáveis exibiram efeitos regionais heterogêneos. Conclusão: O uso do aprendizado de máquina pode auxiliar na predição do sucesso terapêutico e no mapeamento de fatores de risco de doenças, permitindo que os gestores aloquem de maneira mais eficiente os recursos de saúde, como equipamentos, medicamentos e profissionais, otimizando os investimentos e reduzindo custos, além de permitir uma resposta rápida a surtos ou mudanças na gravidade da doença.

Abstract: Introduction: Predictions generated using machine learning (ML) tools can support Introduction: Predictions made using machine learning (ML) tools can aid in forecasting treatment effects and identifying risk factors for mortality from various diseases. Objectives: To develop and apply ML techniques for predicting therapeutic success in Brazilian smokers, to perform a spatiotemporal analysis of the distribution of diagnoses, treatments, and deaths from respiratory tract neoplasms (RTN), and to apply the Geographically Weighted Gradient Reinforcement Regression model to predict factors associated with premature mortality from RTN in Brazil. Methodology: These are descriptive, cross-sectional, and retrospective observational studies. For the first article, the performance of eight supervised classification machine learning algorithms (decision tree, random forest, C5.0, machine impulse gradient, logistic regression, k-nearest neighbors, machine support vector, and extreme impulse gradient) was evaluated to predict therapeutic success in smokers using the following metrics: accuracy, sensitivity, specificity, positivity predictive value (PPV), and area under the receiver operating characteristic (ROC) curve. Subsequently, the decision tree flowchart and the risk calculator prototype were plotted, and the odds ratio (OR) between each independent variable and the outcome was measured, as well as the importance of the variables for the best algorithm based on the PPV. For the second article, the spatiotemporal distribution of smoothed rates of diagnosis, treatment, and mortality from NTR in individuals aged 40 to 79 years in Brazil between 2013 and 2022 was evaluated. Trend analysis was performed using the spatiotemporal cube followed by emerging hot areas, in addition to spatial autocorrelation analysis using Global Spatial Autocorrelation (Moran's I index) and Local Spatial Association Indicators (LISA), and the effort-mortality ratio in health. For the third article, global and local spatial autocorrelation analyses were performed for individuals aged 30 to 69 years, and five variables related to access to specialized health care were incorporated for regression using Ordinary Least Squares (OLS), Geographically Weighted Regression (GWR), and Geographically Weighted Gradient Impulse Regression (GWRBoost). Results: The overall average values for the metrics described in the first article were: 0.675±0.028, 0.803±0.078, 0.485±0.146, 0.705±0.035, and 0.680±0.033, respectively. The machine support vector showed the best performance with a PPV of 0.726±0.03. Use of anti-smoking medication was the root of the decision tree with an OR of 4.42 and a significance of 100.00% by the coefficient of determination. This variable and the increase in the number of cigarettes smoked promoted positive outcomes, while the higher consumption of cigarettes per day resulted in the opposite effect. The second article observed an increasing trend in diagnosis rates (trend = 3.22) and treatment rates (trend = 3.04), and stability for deaths (trend = 0.00), with the formation of hot zones mainly in the South and Southeast regions and cold zones in the Northeast of the country. There was an expansion of diagnoses and treatments in the Southeast region between 2018 and 2022, and stability in mortality. High autocorrelations (Moran's I index above 0.85) were found for diagnoses, treatment, and mortality between 2013-2017 and 2018-2022, with the formation of high-high clusters mainly in the South and low-low clusters in the North and Northeast of the country. The spatial distribution of the ratio between health effort and mortality showed that health coverage remained consistently more effective in the South and Southeast regions throughout both periods, with signs of improvement in parts of the Midwest and Northeast. However, the Northern region continues to show markedly lower values, indicating persistent disparities in access to healthcare in relation to mortality. In the 3rd article, Moran's I index was 0.554, revealing a large high-high clustering in Rio Grande do Sul. The GWRBoost model obtained an R² of 0.7379 and a Moran's I index of the residuals of 0.01, demonstrating a strong capacity to capture complex and spatially non-stationary relationships. The model revealed significant spatial variability in how health service indicators relate to premature mortality from NTR among municipalities; the radiograph showed the most consistent positive association with mortality, while other variables exhibited heterogeneous regional effects. Conclusion: The use of machine learning can assist in predicting therapeutic success and mapping disease risk factors, allowing managers to allocate health resources more efficiently, such as equipment, medications, and professionals, optimizing investments and reducing costs, as well as enabling a rapid response to outbreaks or changes.