Clustering-Based Outcome Models for Clinical Studies: A Scoping Review

Esta revisão de escopo oferece uma visão sistemática de modelos que combinam agrupamento de covariáveis com modelos de desfecho em estudos clínicos, distinguindo entre abordagens informadas e agnósticas, e destacando sua relevância para estratificação de risco e estimativa de efeitos de tratamento em populações heterogêneas com dados de alta dimensão.

O essencial

Imagine que você é um médico tentando prever como um paciente vai reagir a um tratamento. O problema é que nem todos os pacientes são iguais. Dois pessoas podem ter a mesma doença, mas uma pode ter sintomas leves e a outra graves, ou uma pode responder bem ao remédio e a outra não.

Este artigo é como um mapa de tesouro que revisa todas as ferramentas matemáticas criadas para ajudar os cientistas a encontrar esses "grupos escondidos" de pacientes. O objetivo é sair da ideia de "um tamanho serve para todos" e entrar na era da medicina de precisão.

Aqui está a explicação simples, usando analogias do dia a dia:

1. O Grande Problema: A "Salada de Dados"

Imagine que você tem uma salada gigante com milhares de ingredientes diferentes (os dados dos pacientes: idade, peso, genes, histórico médico, etc.). Tentar prever o futuro de cada pessoa olhando para cada ingrediente individualmente é como tentar adivinhar o sabor da salada provando cada folha de alface separadamente. É difícil, confuso e pode levar a erros.

Além disso, em doenças raras, você tem poucos pacientes (pouca salada) mas muitos ingredientes (muitos dados). É o cenário perfeito para se perder.

2. A Solução: Agrupar por "Estilo de Vida" (Clustering)

A ideia central do artigo é: "Vamos agrupar os pacientes que são parecidos antes de tentar prever o resultado."

Em vez de tratar 1.000 pacientes como 1.000 indivíduos diferentes, a matemática os organiza em "tribos" ou "clãs". Se você sabe que o Paciente A pertence à "Tribo da Alta Pressão", você já sabe muito sobre o que esperar dele, sem precisar analisar cada detalhe novamente.

O artigo divide essas ferramentas de agrupamento em dois grandes times:

Time A: Os "Detetives que Olham o Resultado" (Modelos de Cluster Informado)

• Como funciona: Imagine que você está organizando uma festa. Você olha para os convidados (dados) e para como eles estão se divertindo (o resultado da doença/tratamento) ao mesmo tempo para decidir quem fica em qual mesa.
• A Analogia: É como um DJ que ajusta a música (o modelo) enquanto ouve a reação da multidão (o resultado). Se a multidão começa a dançar, ele muda a música para manter a energia.
• Vantagem: É muito preciso porque usa a resposta final para ajudar a criar os grupos.
• Desvantagem: É mais complexo e difícil de explicar. É como tentar explicar a lógica de um DJ que muda de estilo a cada segundo.

Time B: Os "Detetives Cegos" (Modelos de Cluster Agnóstico)

• Como funciona: Aqui, o cientista primeiro olha apenas para os ingredientes (dados) e agrupa as pessoas que são parecidas, sem olhar para o resultado da doença. Só depois de formar os grupos é que ele olha para ver como cada grupo se saiu.
• A Analogia: É como organizar uma escola por altura e peso dos alunos antes de saber quem vai ganhar a corrida. Você cria as turmas baseadas na aparência física. Depois, você vê: "Ah, a Turma dos Altos e Magros correu muito bem!".
• Vantagem: É mais simples, mais fácil de explicar e evita "vazamento de dados" (usar o futuro para prever o futuro). É o método mais usado em medicina hoje.
• Desvantagem: Se os grupos que você formou não tiverem nada a ver com a doença, você estará apenas criando confusão.

3. Para que serve tudo isso? (Os 3 Grandes Usos)

O artigo mostra que essas ferramentas servem para três coisas principais:

1. Encontrar Subgrupos Ocultos (Identificação de Subgrupos):
   • Analogia: Descobrir que, dentro do grupo "Pacientes com Diabetes", existem na verdade três tipos diferentes de diabéticos que precisam de tratamentos totalmente diferentes. É como descobrir que "frutas" não são todas iguais; algumas são cítricas, outras doces, e você precisa tratá-las de formas diferentes.
2. Simplificar o Caos (Redução de Dimensionalidade):
   • Analogia: Em vez de ter 1.000 variáveis para analisar, você diz: "Ok, todos esses 1.000 dados podem ser resumidos em apenas 3 'tribos'". É como transformar um livro de 1.000 páginas em um resumo de 3 parágrafos que ainda conta a história principal. Isso evita que o computador fique "tonto" com tanta informação.
3. Usar Dados do Passado (Borrowing from History):
   • Analogia: Imagine que você tem um novo paciente com uma doença rara. Você não tem muitos dados sobre ele. Mas você tem um arquivo gigante de dados de pacientes antigos. Você usa o agrupamento para dizer: "Este novo paciente é muito parecido com a 'Tribo 3' dos pacientes antigos". Assim, você pode usar o conhecimento da "Tribo 3" para ajudar o novo paciente, mesmo que ele seja único.

4. Onde isso é usado na vida real?

O artigo revisou 55 estudos e viu que isso está sendo usado para:

• Prever quem vai ter uma recaída de câncer.
• Descobrir quais pacientes respondem a antidepressivos (e quais são apenas "placebo").
• Analisar sinais do cérebro (EEG) para classificar estágios do sono.
• Prever quem vai precisar de hospitalização de emergência.

5. O Resumo Final (A Lição do Dia)

Este artigo é um convite para os cientistas pararem de tratar todos os pacientes como se fossem cópias idênticas.

• O problema: Os dados são muitos e os pacientes são diferentes.
• A solução: Agrupar os pacientes em "tribos" baseadas em suas características.
• O resultado: Tratamentos mais personalizados, previsões mais precisas e menos erros médicos.

É como passar de uma abordagem de "tamanho único" (como uma camisa que serve em todos, mas aperta em uns e fica larga em outros) para uma abordagem de "costura sob medida", onde cada paciente recebe o tratamento que realmente combina com o seu perfil biológico.

Resumo técnico

Resumo Técnico: Modelos de Resultado Baseados em Agrupamento para Estudos Clínicos

1. Problema e Contexto

Em estudos clínicos, indivíduos com a mesma condição de saúde podem apresentar variações significativas na manifestação de sintomas e na progressão da doença. Parte dessa variabilidade é sistemática e determinada por características basais (heterogeneidade prognóstica) ou pela interação entre covariáveis e tratamentos (heterogeneidade do efeito do tratamento).

Os modelos tradicionais de resultado (prognósticos ou preditivos) enfrentam desafios quando lidam com:

• Grandes dimensões de covariáveis: Como painéis de biomarcadores e dados "ômicos", onde o número de variáveis ($d$) pode exceder o tamanho da amostra ($n$).
• Sobreajuste (Overfitting): A inclusão de muitas variáveis e interações de alta ordem pode levar a estimativas instáveis e baixa precisão preditiva em novas observações.
• Heterogeneidade não capturada: Modelos lineares simples ou com interações pré-especificadas podem falhar em capturar subgrupos biológicos distintos definidos por combinações complexas de covariáveis.

O objetivo desta revisão é fornecer uma visão sistemática de métodos que combinam o agrupamento (clustering) de unidades observacionais (pacientes) baseado em covariáveis com modelos de resultado (ex: regressão), visando melhorar a estratificação de risco, a identificação de subgrupos e a precisão preditiva.

2. Metodologia da Revisão

• Tipo de Estudo: Revisão de Escopo (Scoping Review).
• Fontes de Dados: Busca sistemática no Web of Science e PubMed, complementada por 5 registros manuais.
• Critérios de Inclusão:
  1. O registro propõe ou avalia um método que usa agrupamento de unidades observacionais baseado em covariáveis para modelar um resultado.
  2. O registro fornece detalhes suficientes para implementação independente.
• Critérios de Exclusão: Métodos focados apenas em agrupamento sem modelagem de resultado, agrupamento de covariáveis (e não de unidades), dados de imagem exclusivos, apenas software ou revisões de métodos existentes.
• Processo de Triagem: Realizado por revisores humanos e assistido por IA (Elicit). Dos 738 registros iniciais, 55 foram selecionados para análise final.
• Classificação dos Métodos: Os métodos foram categorizados em duas grandes classes principais:
  1. Modelos de Agrupamento Informado (Informed-Cluster Models): O resultado (outcome) contribui para a formação dos clusters.
  2. Modelos de Agrupamento Agnóstico (Agnostic-Cluster Models): O agrupamento é realizado apenas com base nas covariáveis em uma primeira etapa, e as variáveis derivadas são usadas na modelagem do resultado em uma segunda etapa.

3. Contribuições Chave e Metodologias Identificadas

A revisão detalha 55 registros, divididos principalmente entre modelos agnósticos (mais comuns em ciências biomédicas) e informados (mais comuns em estatística teórica).

A. Modelos de Agrupamento Informado (Informed-Cluster)

Nestes modelos, a variável de resultado é usada durante o processo de estimativa dos clusters.

1. Modelos de Partição de Produto (PPM/PPMx):
   • O número de clusters é tratado como aleatório, com uma distribuição a priori sobre todas as partições possíveis.
   • A probabilidade de uma partição depende de uma função de coesão e uma função de similaridade baseada em covariáveis.
   • Permite seleção de variáveis e modelagem conjunta de clusters e resultados.
2. Misturas Finitas de Modelos de Regressão (FMR):
   • Assume-se uma mistura finita de distribuições para o resultado, onde as probabilidades de mistura dependem das covariáveis.
   • O número de clusters (classes latentes) é geralmente fixo (determinado por critérios como BIC).
   • Aplicações incluem modelos conjuntos para dados longitudinais e tempo até evento.
3. Aprendizado Supervisionado Consciente de Cluster (CluSL):
   • Abordagem determinística que minimiza uma função de perda específica do cluster, regularizada pela dissimilaridade entre as covariáveis e os centróides do cluster.
   • Equilibra a minimização do erro de previsão e a similaridade das covariáveis dentro do cluster.

B. Modelos de Agrupamento Agnóstico (Agnostic-Cluster)

Procedimentos de dois passos: (1) Agrupamento apenas por covariáveis; (2) Modelagem do resultado usando indicadores de cluster.

1. Agrupamento Baseado em Modelos:
   • Utiliza modelos de mistura finita para as covariáveis (ex: Análise de Classes Latentes - LCA).
   • As probabilidades posteriores de pertencimento ao cluster são usadas como covariáveis no modelo de resultado.
2. Agrupamento Algorítmico:
   • Utiliza métodos como k-means, agrupamento hierárquico ou k-medoids.
   • Estratégias Comuns:
     • Ensemble: Treinar modelos separados para cada cluster e combinar as previsões (ex: bagging).
     • Extração de Características: Adicionar a distância ao centróide do cluster como uma nova covariável no modelo.
     • Priors de Potência: Usar a similaridade entre pacientes (derivada do agrupamento) para ponderar dados históricos na análise de novos dados (útil em doenças raras).

4. Resultados Principais

• Distribuição Disciplinar:
  • Modelos Informados foram publicados quase exclusivamente em revistas de estatística.
  • Modelos Agnósticos dominam as revistas de ciências biomédicas e saúde pública.
• Objetivos Principais:
  1. Identificação de Subgrupos: O objetivo mais comum (31 registros), visando encontrar subpopulações com resultados ou respostas ao tratamento distintos.
  2. Redução de Dimensionalidade: Comprimir informações de alta dimensão em indicadores de cluster.
  3. Extração de Características: Criar novas variáveis preditivas baseadas na estrutura de agrupamento.
• Dados e Escala:
  • Estudos com dados reais apresentaram tamanhos de amostra maiores e mais covariáveis do que simulações.
  • Cenários com $n < d$ (mais variáveis que pacientes) são comuns, validando o agrupamento como ferramenta de redução de dimensionalidade.
• Tipos de Resultados: Modelos foram aplicados a resultados métricos, tempo até evento (sobrevivência) e categóricos.
• Aplicações Biomédicas:
  • Doenças Raras e Oncologia: Uso de clusters para estratificação de risco em malignidades mieloides e câncer de cabeça/pescoço.
  • Medicina de Precisão: Identificação de respondedores a placebo em ensaios clínicos de depressão usando dados de EEG.
  • Doenças Crônicas: Agrupamento de pacientes por trajetórias de biomarcadores (ex: lactato desidrogenase) para prever sobrevivência.
  • Dados Longitudinais: Agrupamento de trajetórias temporais para lidar com medições irregulares no tempo.

5. Significado e Implicações

• Precisão e Heterogeneidade: Modelos baseados em agrupamento são particularmente valiosos quando a população consiste em subpopulações distintas no espaço de covariáveis que correspondem a diferentes distribuições de resultado. Eles permitem capturar interações complexas sem especificá-las explicitamente.
• Doenças Raras e Dados Históricos: A abordagem agnóstica permite derivar definições de subgrupos a partir de grandes conjuntos de dados históricos (registros) e aplicá-los em estudos prospectivos menores, facilitando o ajuste de covariáveis e o "borrowing" de informações.
• Ensaios Clínicos: Potencial para uso em ajuste de covariáveis para aumentar o poder estatístico e na estimativa de efeitos de tratamento específicos para subgrupos definidos por clusters.
• Limitações e Desafios:
  • A maioria dos métodos (exceto PPM/PPMx) trata a estrutura de subgrupos como um estimador pontual, sem quantificar a incerteza na definição dos clusters.
  • Se os clusters no espaço de covariáveis não corresponderem a diferenças reais no resultado, a adição de variáveis de cluster pode introduzir ruído e aumentar o sobreajuste.
  • A estabilidade dos clusters é crucial para aplicações clínicas interpretáveis.

Conclusão:
A revisão demonstra que o agrupamento baseado em covariáveis é uma ferramenta versátil para lidar com a heterogeneidade em estudos clínicos. Enquanto os modelos informados oferecem uma abordagem estatisticamente rigorosa e integrada, os modelos agnósticos são mais acessíveis e amplamente adotados na prática biomédica para estratificação de risco e redução de dimensionalidade. O futuro dessas aplicações reside na validação da estabilidade dos clusters e na sua integração em desenhos de ensaios clínicos adaptativos e medicina de precisão.