Aplicação de Técnicas de Inteligência Artificial em Transplantes Renais: Classificadores Automáticos para Nefrotoxicidade e Rejeição Celular Aguda.

Abstract

INTRODUÇÃO: Complicações associadas ao transplante de rim e imunossupressão podem ser prevenidas ou tratadas efetivamente quando são diagnosticadas em fases iniciais com o monitoramento pós-transplante. OBJETIVO: O objetivo deste estudo exploratório é comparar  classificadores automáticos de padrões utilizando diferentes técnicas de inteligência  artificial para prever eventos de nefrotoxicidade e rejeição celular aguda (RCA) em pacientes com até um ano do transplante renal. MÉTODOS: Foram realizados testes estatísticos de incidência e regressão logística nas variáveis em relação à nefrotoxicidade e RCA. Foram utilizados diferentes classificadores (redes neurais, support vector machines (SVM), árvores de decisão, inferência bayesiana, e vizinhos mais próximos) com o objetivo de prever RCA e nefrotoxicidade. Os classificadores foram avaliados segundo o valor de sensibilidade, especificidade e área sob a curva ROC (AUC). RESULTADOS: A incidência de RCA foi de 31,0% e de nefrotoxicidade de 26,9%. A técnica que apresentou o melhor valor de sensibilidade foi a SVM (algoritmo LIBSVM) com sensibilidade 0,87 (taxa de acerto 79,86%; especificidade 0,70; AUC 0,79). A técnica que apresentou o melhor valor de AUC para prever nefrotoxicidade ou RCA foi a de inferência bayesiana (algoritmo NaiveBayes) com AUC 0,80 (taxa de acerto 75,92%). CONCLUSÃO: Os resultados são animadores, com taxas de tentativa e erro condizentes com a determinação de rejeição celular aguda e nefrotoxicidade.