Aplicação de aprendizado de máquina na predição de endometriose peritoneal superficial em mulheres com dor pélvica crônica acíclica e dismenorreia severa sem achados ultrassonográficos anormais

• Ano de defesa: 2024
• Autor(a) principal: Santos, Letícia Luiza Alves
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aprendizado de máquina; Chronic pelvic pain; Dismenorreia; Dor pélvica crônica; Dysmenorrhoea; Endometriose; Endometriosis; Laparoscopia; Laparoscopy; Machine learning; Predição; Prediction
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/17/17145/tde-23012025-092219/

Introdução: Embora a endometriose peritoneal superficial seja o tipo de lesão mais comum, a mesma apresenta o maior desafio para o diagnóstico não invasivo, fazendo com que a maioria seja reconhecida cirurgicamente. Objetivos: Avaliar o desempenho do aprendizado de máquina na previsão de endometriose peritoneal em mulheres com dismenorreia crônica e dor pélvica sem alterações de achados ultrassonográficos. Métodos: Estudo observacional retrospectivo incluindo 299 mulheres com doença grave dismenorreia e dor pélvica acíclica persistente após pelo menos 6 meses de tratamento hormonal submetida à laparoscopia, cujo exame de imagem não evidenciou alterações significativas. A eliminação retroativa aumentada foi usada como procedimento para obter um binômio interpretável de linha de base modelo logístico. O desempenho para análise preditiva dos modelos de aprendizado de máquina Random Forest, Light Gradient Boosting Machine, Extreme Gradient Boosting, Extremely Randomised Trees, Categorical Boosting, Adaptive Boosting, Support Vector, Multilayer Perceptron, Naive Bayes, Voting, and Stacking, foram avaliados. Os valores das Explicações do Aditivo Shapley foram utilizados para padronizar e reportar importância do recurso. Resultados: A presença de ciclo menstrual irregular, síndrome do intestino irritável, síndrome da bexiga dolorsa, ponto-gatilho abdominal e sensibilidade do assoalho pélvico foram independentemente associada ao diagnóstico de endometriose peritoneal superficial. Valores Shapley mostraram que história de doença inflamatória pélvica também sugeria endometriose. A votação do classificador, que inclui algoritmos do Extreme Gradient Boosting e Naive Bayes, demonstrou o maior recall (79,3%), enquanto o Support Vector classifier alcançou a melhor especificidade (74,2%). Conclusão: Nosso estudo identifica que as \"síndromes viscerais e miofasciais\"e doença inflamatória pélvica prévia são características importantes para prever endometriose. Também fornecemos evidências preliminares de que o aprendizado de máquina pode ser uma ferramenta valiosa por predizer esse tipo de doença através da análise préoperatória de dados clínicos. A ferramenta pode ser usada dinamicamente para aconselhar pacientes de maneira personalizada e auxiliar na orientação de suas decisões em relação aos procedimentos cirúrgicos.