Predição de transtorno bipolar e desfechos funcionais em adultos jovens : um acompanhamento de cinco anos

• Ano de defesa: 2023
• Autor(a) principal: Montezano, Bruno Braga
• Orientador(a): Passos, Ives Cavalcante
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Transtorno bipolar; Aprendizado de máquina; Adulto jovem; Incidência; Medicina de precisão
• Palavras-chave em Inglês: Bipolar disorder; Machine learning; xgboost; Incidence; Precision medicine
• Link de acesso: http://hdl.handle.net/10183/266476

O transtorno bipolar (tb) é uma doença psiquiátrica crônica associada à altas taxas de morbidade e mortalidade. Estudos anteriores demonstram redução significativa da expectativa de vida, além de risco aumentado para doença cardiovascular e morte por suicídio. Apesar de ser um transtorno com início precoce, existe um atraso de até 10 anos entre o início de sintomas e o diagnóstico adequado. Como consequência do crescimento da psiquiatria de precisão, pesquisas têm explorado o uso de técnicas de aprendizado de máquina para predizer tb, com foco em diagnóstico diferencial. No entanto, grande parte destes estudos são baseados em amostras clínicas pequenas, com curtos períodos de acompanhamento. A presente dissertação visa construir um modelo de classificação binária capaz de prever casos incidentes de tb em um intervalo de cinco anos através de características sociodemográficas e clínicas em uma amostra de adultos jovens, a partir de um grande estudo de coorte populacional. Avaliamos 1.091 sujeitos sem tb com 18 a 24 anos de idade no baseline a partir de uma amostra comunitária de jovens adultos da cidade de Pelotas (rs). O diagnóstico de tb no follow-up foi construído com base na Mini International Neuropsychiatric Interview 5.0. Cento e noventa preditores demográficos, sociais, clínicos e ambientais foram incluídos no pipeline de pré-processamento e modelagem. Utilizamos o algoritmo xgboost, estado-da-arte para dados tabulares, com validação cruzada 5-fold repetida por cinco vezes junto à seleção de variáveis e métodos de sobreamostragem para criar um modelo que pudesse prever quais sujeitos desenvolveriam tb cinco anos mais tarde. Quarenta e nove indivíduos (4,49%) receberam um diagnóstico de tb cinco anos depois. O melhor modelo selecionado com base no processo de validação cruzada apresentou um desempenho aceitável com um valor de auc de teste de 0,786 (ic 95%: 0,686, 0,887). O modelo final incluiu dez preditores, sendo eles: sentimento de fracasso, tristeza, episódio depressivo atual na primeira avaliação, problemas de estresse auto-relatado, autoconfiança, uso de cocaína ao longo da vida, status socioeconômico, frequência sexual, relacionamento com parceiro fixo e taquilalia. Um teste de permutação com 10.000 permutações demonstrou performance de auc significativamente melhor do modelo construído comparado a classificadores aleatórios ( < 0, 001). Os resultados do estudo trazem insights relevantes no que tange à compreensão do tb como um fenômeno latente, em especial, considerando que a depressão maior é comumente a primeira manifestação da doença, em linha com sintomas depressivos sendo os principais preditores no modelo apresentado. Visando uma melhor caracterização do tb, sugerimos que estudos futuros concentrem-se em fazer um acompanhamento sistemático que leve em conta estas características durante outras etapas do desenvolvimento, bem como investir em estudos que utilizem populações de risco específicas. Além disso, a inclusão de dados digitais de saúde, informações biológicas e neuropsicológicas pode ajudar no aprimoramento de novos modelos preditivos.