Pesquisadores desenvolvem ferramenta de aprendizado de máquina para prever enterocolite necrosante em bebês prematuros

A enterocolite necrosante (NEC) é uma doença intestinal com risco de vida da prematuridade. Caracterizado por inflamação intestinal súbita e progressiva e morte do tecido, afeta até 11, 000 bebês prematuros nos Estados Unidos anualmente, e 15-30% dos bebês afetados morrem de NEC. Os sobreviventes frequentemente enfrentam complicações intestinais e de desenvolvimento neurológico de longo prazo.

Pesquisadores da Columbia Engineering e da University of Pittsburgh desenvolveram um sistema de alerta precoce sensível e específico para prever a NEC em bebês prematuros antes que a doença ocorra. O protótipo prevê o NEC com precisão e no início, usando recursos do microbioma de fezes combinados com informações clínicas e demográficas. O estudo piloto foi apresentado virtualmente em 23 de julho na ACM CHIL 2020.

"É incrível como podemos usar o aprendizado de máquina para impedir que isso aconteça com os bebês, "disse o co-autor do estudo, Ansaf Salleb-Aouissi, palestrante sênior em disciplina do departamento de ciência da computação da Columbia Engineering e especialista em inteligência artificial e suas aplicações à informática médica. "Analisamos os dados e desenvolvemos uma ferramenta que pode ser realmente útil, até mesmo para salvar vidas. "

Se os médicos pudessem prever com precisão a NEC antes que o bebê realmente ficasse doente, existem alguns passos muito simples que eles podem tomar; o tratamento pode incluir interromper as mamadas, dando fluidos IV, e iniciar antibióticos para prevenir os piores resultados, como invalidez ou morte a longo prazo. "

Thomas Hooven, Autor principal do estudo e professor assistente, Universidade de Pittsburg

Hooven, que iniciou sua colaboração com Salleb-Aouissi quando ele era professor assistente de pediatria na Divisão de Neonatologia-Perinatologia do Centro Médico da Universidade de Columbia. Ele agora é professor assistente de pediatria na Divisão de Medicina Neonatal da Escola de Medicina da Universidade de Pittsburgh.

Atualmente, não há ferramenta para prever quais bebês prematuros vão pegar a doença, e muitas vezes a NEC não é reconhecida até que seja tarde demais para intervir efetivamente. A NEC é a emergência intestinal mais comum entre bebês prematuros. É caracterizada por necrose intestinal rapidamente progressiva, bacteremia, acidose, e altas taxas de morbidade e mortalidade.

As causas da NEC não são bem compreendidas, mas vários estudos se concentraram em mudanças no microbioma intestinal, a bactéria no intestino cuja composição pode ser determinada a partir do sequenciamento de DNA de pequenas amostras de fezes.

Os pesquisadores levantaram a hipótese de que uma abordagem de aprendizado de máquina para modelagem clínica, demográfico, e os dados do microbioma de pacientes prematuros podem permitir a discriminação de pacientes com alto risco de NEC muito antes do início da doença clínica, o que permitiria uma intervenção precoce e mitigação de complicações graves.

Hooven, Salleb-Aouissi, e Lin usou dados de um estudo clínico do NIH de 2016 de bebês prematuros cujas fezes foram coletadas em várias UTI neonatais americanas entre 2009 e 2013. A equipe examinou 2, 895 amostras de fezes de 161 bebês prematuros, 45 dos quais desenvolveram NEC.

Dada a complexidade dos dados do microbioma, os pesquisadores realizaram várias etapas de pré-processamento de dados para reduzir sua dimensionalidade, e abordar a natureza composicional e hierárquica desses dados para aproveitá-los para aprendizado de máquina.

"A NEC representa um excelente aplicativo do ponto de vista do aprendizado de máquina, "disse Salleb-Aouissi." As lições que aprendemos com nossa nova técnica podem muito bem se traduzir em outros conjuntos de dados genéticos ou proteômicos e inspirar novos algoritmos de aprendizado de máquina para conjuntos de dados de saúde. "

A equipe avaliou vários métodos de aprendizado de máquina para determinar a melhor estratégia para prever NEC a partir de dados do microbioma. Eles encontraram um desempenho ideal de uma abordagem de aprendizado de instância múltipla baseada na atenção controlada (AMI).

Uma vez que os microbiomas humanos estão sujeitos a mudanças, os métodos MIL tratam do aspecto sequencial do problema. Por exemplo, nos primeiros 20 dias após o nascimento de uma criança, o microbioma do bebê passa por uma mudança drástica. Muitos estudos mostraram que bebês com uma diversidade maior de microbioma geralmente são mais saudáveis.

"Isso nos levou a pensar que as mudanças na diversidade do microbioma podem ajudar a explicar por que alguns bebês têm maior probabilidade de adoecer por causa da NEC, "disse Adam (Yun Chao) Lin, um estudante de mestrado em ciência da computação e coautor do estudo, cujo trabalho neste projeto o levou a buscar agora um doutorado.

Em vez de ver as amostras de microbioma de uma criança como independentes, a equipe representou cada paciente como uma coleção de amostras e aplicou mecanismos de atenção para aprender as relações complexas entre as amostras. O algoritmo de aprendizado de máquina "olha" para cada bolsa e tenta adivinhar, a partir de seu conteúdo, se o bebê está ou não afetado.

Em tentativas repetidas, a capacidade do modelo de distinguir bebês afetados de não afetados teve um bom equilíbrio entre sensibilidade e especificidade. "A área sob a curva ROC (AUC) é de cerca de 0,9, que demonstra como nossos modelos são bons em distinguir entre pacientes afetados e não afetados, "Salleb-Aouissi observou.

"O nosso é o primeiro sistema eficaz para um modelo de aprendizado de máquina clinicamente aplicável que combina microbioma, demográfico, e dados clínicos que podem ser coletados e monitorados em tempo real em uma UTI neonatal. Estamos entusiasmados em estender sua aplicabilidade a uma nova área de monitoramento preditivo na medicina. "

Os pesquisadores agora estão desenvolvendo uma plataforma de teste independente não invasiva para a identificação precisa de bebês com alto risco de NEC antes do início clínico, para evitar os piores resultados. Assim que a plataforma estiver pronta, eles conduzirão um ensaio clínico randomizado para validar as previsões de sua técnica em uma coorte de UTI neonatal em tempo real.

"Pela primeira vez, posso imaginar um futuro em que pais de bebês prematuros, e suas equipes médicas, não vivem mais com medo constante da NEC, "disse Hooven.

• Trocar carne vermelha por alternativas à base de carne vegetal reduz o risco cardiovascular
• Estudo encontra evidências de disbiose intestinal em pessoas com doença de Huntington