Um estudo recente conduzido por pesquisadores da Osaka Dental University, da Kyoto University, da Osaka Metropolitan University e da Osaka Electro-Communication University utilizou técnicas computacionais avançadas para analisar mudanças no estado crítico de pacientes com artrite reumatóide submetidos a terapia medicamentosa. A investigação, liderada pelo professor Keiichi Yamamoto, é publicada na revista PLOS ONE e destaca os desafios de alcançar a remissão sustentada em pacientes com artrite reumatóide, ao mesmo tempo que propõe novos métodos para prever e melhorar os resultados do tratamento.
A artrite reumatóide é uma doença autoimune crônica caracterizada por inflamação das articulações, causando dor e incapacidade. Apesar dos avanços no tratamento, incluindo o metotrexato e o uso de medicamentos anti-reumáticos modificadores da doença, biológicos e sintéticos, apenas cerca de metade dos pacientes alcançam a remissão. Isto levou à identificação de um subgrupo de pacientes classificados como “difíceis de tratar”, aqueles que não respondiam adequadamente às terapias convencionais. O objetivo principal do estudo foi compreender melhor a estabilidade dos estados dos pacientes ao longo do tempo e como esses estados respondem ao tratamento.
Os pesquisadores usaram análise de cenário de poder e agrupamento de séries temporais de dados da Coorte da Aliança de Gerenciamento de Artrite Reumatóide da Universidade de Kyoto, que contém dados clínicos detalhados de milhares de pacientes com artrite reumatóide. A análise do cenário energético é um método originalmente usado em estudos de dobramento de proteínas, que foi adaptado aqui para avaliar a estabilidade das posições dos pacientes com artrite reumatóide. Ao atribuir valores de energia a diferentes estados do paciente, os pesquisadores podem visualizar e medir a facilidade com que um paciente pode fazer a transição entre estados estáveis e instáveis.
“Nosso estudo dividiu as mudanças no estado do paciente em dois padrões distintos: ‘boa estabilidade leva à remissão’ e ‘má estabilidade leva ao impasse do tratamento'”, explicou o professor Yamamoto. A análise mostrou que uma proporção significativa de pacientes apresentou alterações de estado suscetíveis ao tratamento, mas apenas aqueles no grupo de “boa estabilidade” alcançaram remissão sustentada. O panorama da potência proporcionou uma visualização clara de quais pacientes poderiam responder favoravelmente ao tratamento e quais não.
O agrupamento de séries temporais, usando um método chamado de distorção dinâmica do tempo, agrupou ainda mais os pacientes em três grupos com base nas mudanças de status ao longo do tempo: “em direção a uma boa estabilidade”, “em direção a uma estabilidade ruim” e “instável”. Os pacientes do grupo instável apresentaram uma situação particularmente desafiadora porque o seu curso clínico era difícil de prever. “Os pacientes do grupo instável devem ser tratados com maior cuidado porque as suas respostas ao tratamento são menos previsíveis”, enfatizou o professor Yamamoto.
O estudo também examinou os efeitos de diferentes estratégias de tratamento durante um período de três anos, com especial enfoque nos primeiros seis meses de tratamento, a janela crítica para alcançar a remissão. Os resultados revelaram que a maioria dos pacientes que finalmente alcançaram a remissão apresentaram melhorias significativas nos primeiros seis meses, enquanto aqueles que não melhoraram durante este período provavelmente não o fariam mais tarde.
Esta visão sobre a dinâmica do tratamento da artrite reumatóide sublinha a importância da intervenção precoce e da monitorização cuidadosa. A capacidade de prever quais pacientes responderão ao tratamento pode melhorar significativamente os resultados, permitindo planos de tratamento mais personalizados. O uso inovador da análise de cenário de poder e agrupamento de séries temporais do estudo fornece aos médicos uma ferramenta poderosa para avaliar a estabilidade do paciente e tomar decisões mais informadas sobre estratégias de tratamento.
O estudo concluiu que a análise do panorama energético é particularmente útil na prática clínica do mundo real, onde as condições dos pacientes variam ao longo do tempo e os tratamentos precisam ser ajustados de forma dinâmica. Este método, combinado com agrupamento de séries temporais, oferece uma abordagem promissora para superar as complicações do tratamento da artrite reumatóide, particularmente em pacientes que não respondem às terapias convencionais.
Como observou o professor Yamamoto: “Esta pesquisa abre novas maneiras de compreender as respostas dos pacientes aos tratamentos da artrite reumatóide e pode levar a estratégias de atendimento mais eficazes e personalizadas no futuro”.
Nota de diário
Yamamoto, K., Sakaguchi, M., Onishi, A., Yokoyama, S., Matsui, Y., Yamamoto, W., Onizawa, H., Fujii, T., Murata, K., Tanaka, M., Hashimoto, M., & Matsuda, S. (2024). “Análise de cenário de poder e análise de agrupamento de séries temporais da heterogeneidade em nível de paciente relacionada à terapia medicamentosa para artrite reumatóide: o estudo de coorte Kurama.” PLoS Um, 19(5), e0302308. DOI: https://doi.org/10.1371/journal.pone.0302308
Sobre os professores
Dr.Keiichi Yamamoto Com ampla experiência na construção de vários bancos de dados de pesquisa clínica e um forte histórico de pesquisa clínica, ele está envolvido em pesquisa e educação em ciência de dados de saúde e informática em pesquisa clínica. Na Osaka Dental University, ele é afiliado à Divisão de Ciência de Dados, Centro de Pesquisa e Inovação Industrial, Instituto de Pesquisa Translacional, onde supervisiona ensaios clínicos iniciados por investigadores para o desenvolvimento de medicamentos e dispositivos médicos. Além disso, ele atua como diretor do Centro de Informações Acadêmicas, gerenciando as operações de TI em toda a universidade, incluindo o hospital. Suas contribuições acadêmicas incluem atuar como membro do comitê de gerenciamento de banco de dados para diversas sociedades acadêmicas, como diretor de operações da Health Data Science Society e como membro do conselho do Personal Health Record (PHR) Council.
Para. vetor Atualmente é Professor Associado em Engenharia Informática na Osaka Electro-Communication University, Japão. Os seus interesses de investigação centram-se na aplicação de métodos de investigação operacional a dados de saúde. Ele está interessado em técnicas analíticas que apoiam a tomada de decisões para profissionais de saúde. Além disso, ele está envolvido no gerenciamento de bancos de dados de registro de câncer e atua como membro do conselho da Associação Japonesa de Registro de Câncer.
