Dados do Trabalho

Título

AUMENTO VOLUMETRICO DA PROSTATA: FATORES DE RISCO E PODER PREDITIVO NA PERSPECTIVA DA INTELIGENCIA ARTIFICIAL

Introdução e Objetivo

O aumento benigno da próstata (BPE) é uma condição comum em homens acima de 40 anos, levando a sintomas do trato urinário inferior e possíveis complicações graves. Devido a etiologia multifatorial, é fundamental a compreensão dos fatores de risco associados para estabelecer medidas preventivas e terapêuticas. Fornecemos uma análise inicial do aprendizado de máquina (ML) como preditor do BPE e avaliamos possíveis fatores de risco/associados permitindo eventuais inferências epidemiológicas.

Método

O conjunto de dados consistia em informações laboratoriais e clínicas de avaliações urológicas de rotina em unidade de atenção à saúde do homem. Os parâmetros incluíam idade, hipertensão (HT), glicemia (GLI), circunferência abdominal (CA), Testosterona Total, colesterol (COL), LDL, HDL, Triglicérides, Ureia, Vitamina D, e volume da próstata a Ultrassonografia (US). O volume da próstata foi tratado como um dado categórico, valores >40mL foram marcados como inapropriados (nosso alvo), e valores ≤40mL foram considerados adequados. O modelo de aprendizado de máquina XGBoost foi utilizado, com uma divisão de dados de 75% para treinamento e 25% para testes. Grid Search e validação cruzada (10-folds) foram usados nos dados de treinamento para determinar os parâmetros ideais do modelo. A capacidade de classificação do modelo e as características mais relevantes foram subsequentemente analisadas. A importância do parâmetro clínico avaliado (risco independentemente atribuível) é expressa em porcentagens. A soma de todos os parâmetros soma 100% e não é possível determinar a natureza protetora ou de risco de cada parâmetro.

Resultados

Foram avaliados 1875 sujeitos com idade de 60[53-70] anos. Nosso modelo resultou numa capacidade classificatória estimada pela área sob a curva ROC de 70%, sugerindo bom desempenho preditivo em identificar próstatas aumentadas.  O gráfico de importância das características do XGBoost reforça a natureza multifatorial do crescimento prostático.  A idade parece ter o papel mais significativo com “importância” de 25%. HT e TGL também se mostraram relevantes-“importância” de 13% e 7%, respectivamente.

Conclusão

Nosso classificador XGBoost mostrou capacidade preditiva robusta. Idade, HT e triglicerídeos foram os mais “importantes” na previsão do BPE. Isso sugere que esses fatores têm maior influência nas decisões do modelo de ML e possível papel significativo no crescimento da próstata.