Avaliação prognóstica de cardiotoxicidade por meio da ecocardiografia utilizando aprendizado de máquina (2025)
- Authors:
- Autor USP: MARTINS, HELMAN CAMPOS - FM
- Unidade: FM
- DOI: 10.11606/T.5.2025.tde-29082025-154043
- Subjects: APRENDIZADO COMPUTACIONAL; NEOPLASIAS MAMÁRIAS; INTELIGÊNCIA ARTIFICIAL
- Keywords: Anthracycline; Antraciclinas; Artificial intelligence; Breast cancer; Cardiotoxicidade; Cardiotoxicity; Machine learning
- Language: Português
- Abstract: Introdução: A identificação precoce de sinais subclínicos de cardiotoxicidade poderá mudar a história natural dos pacientes em tratamento de câncer de mama com antracíclicos, com medidas terapêuticas para evitar a piora da função ventricular e óbito. O papel do aprendizado de máquina tem sido pouco estudado para a otimização da ecocardiografia no diagnóstico da cardiotoxicidade. Objetivos: O estudo foi proposto para identificar variáveis ecocardiográficas relacionadas com cardiotoxicidade e/ou óbito, analisadas por aprendizado de máquina (machine learning). Métodos: O estudo foi composto inicialmente por uma coorte histórica de 101 pacientes portadoras de câncer de mama, no período de fevereiro de 2010 a junho de 2011, submetidas a tratamento quimioterápico com antracíclicos, sendo realizada avaliação clínica, eletrocardiograma e ecocardiograma completo, incluindo Doppler tecidual e índices de deformação miocárdica. Os exames foram realizados antes da primeira sessão, três, seis, 12 e 24 meses, sendo que, completaram o estudo 58 pacientes. Resultados: A idade média das pacientes foi de 52,49 ± 12,97 anos. Assim, de nove pacientes com queda de dez pontos percentuais e uma FEVE menor do que 50% no último momento, somaram-se oito com redução do SLG maior que 15% entre o primeiro e subsequentes momentos do estudo, totalizando 17 pacientes agora definidos como cardiotoxicidade. Associado aos desfechos de óbito (12 pacientes) e/ou cardiotoxicidade no momento final (17 pacientes),totalizando 29 pacientes.O classificador floresta aleatória apresentou o melhor resultado do estudo com 77,78% de acurácia, 87,89% de área sob a curva ROC e 80% de recall, o método KNN mostrou 72,22% de acurácia, 62,31% de área sob a curva ROC e 40% de recall, enquanto o XGBClassifier apresentou 81% de acurácia, 83% de área sob a curva ROC e 66,6% de recall. Após a otimização as variáveis ecocardiográficas demostradas pelos valores Shap (SHapley Additive exPlanations), por meio da biblioteca para explicar as previsões de modelos de aprendizado de máquina, foi observado que, além da redução da fração de ejeção de ventrículo esquerdo, índices como a excursão sistólica do plano anular da valva tricúspide (TAPSE), velocidade da onda e da região lateral da valva mitral, o índice de desempenho miocárdico e a excursão sistólica do plano anular da valva mitral (MAPSE), apresentaram relação com cardiotoxicidade e/ou óbito. Conclusão: Neste estudo foi demonstrado que parâmetros ecocardiográficos de fácil obtenção pela ecocardiografia transtorácica são preditores de cardiotoxicidade e óbito. Novos estudos com amostra maior de pacientes poderão confirmar esses achados
- Imprenta:
- Data da defesa: 07.02.2025
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
MARTINS, Helman Campos. Avaliação prognóstica de cardiotoxicidade por meio da ecocardiografia utilizando aprendizado de máquina. 2025. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/5/5131/tde-29082025-154043/. Acesso em: 02 jan. 2026. -
APA
Martins, H. C. (2025). Avaliação prognóstica de cardiotoxicidade por meio da ecocardiografia utilizando aprendizado de máquina (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/5/5131/tde-29082025-154043/ -
NLM
Martins HC. Avaliação prognóstica de cardiotoxicidade por meio da ecocardiografia utilizando aprendizado de máquina [Internet]. 2025 ;[citado 2026 jan. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/5/5131/tde-29082025-154043/ -
Vancouver
Martins HC. Avaliação prognóstica de cardiotoxicidade por meio da ecocardiografia utilizando aprendizado de máquina [Internet]. 2025 ;[citado 2026 jan. 02 ] Available from: https://www.teses.usp.br/teses/disponiveis/5/5131/tde-29082025-154043/
Informações sobre o DOI: 10.11606/T.5.2025.tde-29082025-154043 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
