Sequence models reveal diagnosis accumulation pathways beyond comorbidity burden in population-scale hospital data

Resumo Técnico: Modelos de Sequência Revelam Vias de Acúmulo de Diagnósticos Além da Carga de Comorbidade

Definição do Problema
As ferramentas clínicas atuais para avaliar a carga de doenças, como o índice de comorbidade de Elixhauser, baseiam-se em resumos transversais de condições presentes em um momento específico. Embora eficazes para prever mortalidade hospitalar e uso de recursos, esses índices descartam informações longitudinais críticas: o tempo, a sequência e o ritmo do acúmulo de morbidade. Consequentemente, eles falham em capturar a heterogeneidade dinâmica das trajetórias de envelhecimento, onde indivíduos de idade e carga de doença estática semelhantes podem apresentar trajetórias de saúde futuras vastamente distintas. Os autores investigam se os históricos longitudinais de diagnósticos hospitalares contêm informações preditivas além da idade, sexo e escores de comorbidade estabelecidos, e se modelos de sequência podem extrair essa informação para identificar trajetórias de saúde divergentes.

Metodologia
O estudo utiliza 13 anos de dados nacionais de internações austríacas (1997–2009), abrangendo 7,4 milhões de pacientes. A abordagem envolve um processo de duas etapas:

1. Pré-treinamento Contrastivo (Não Supervisionado):

   • Arquitetura: Um codificador do tipo Transformer por visita (codificador estilo BERT de 4 camadas) processa os históricos dos pacientes como sequências de visitas hospitalares.
   • Entradas: Cada visita é codificada usando códigos de diagnóstico CID-10, o tempo decorrido desde a admissão anterior (agrupado em meses) e o sexo do paciente.
   • Objetivo de Treinamento: O modelo emprega aprendizado autossupervisionado contrastivo usando uma perda InfoNCE. Ele gera duas visões aumentadas estocásticas de cada histórico de paciente via code dropout e subamostragem de visitas. O objetivo é maximizar a similaridade entre os embeddings dessas duas visões para o mesmo paciente, minimizando a similaridade com outros pacientes no lote (batch).
   • Saída: Este processo produz um embedding de histórico de paciente de 32 dimensões que captura a estrutura das trajetórias médicas longitudinais sem exigir rótulos de desfecho.

2. Predição de Downstream (Supervisionada):

   • Coorte: Uma coorte retida de 1,7 milhão de indivíduos (acompanhamento de 2010–2014).
   • Modelos: Quatro classes de modelos foram testadas:
     • Demográfico: Idade e sexo.
     • Comorbidade: Idade, sexo e escore de Elixhauser.
     • Embedding: Idade, sexo e o embedding de histórico de paciente aprendido.
     • Combinado: Todas as características.
   • Desfechos:
     • Blocos de Doenças Incidentes: 131 blocos específicos de desfechos de doenças CID-10 (A00–N99).
     • Sobrevivência Livre de Eventos: Um desfecho de trajetória composta definido como permanecer vivo sem acumular um segundo bloco de doenças CID-10 previamente não registrado ou morte hospitalar durante o acompanhamento de 5 anos.
   • Análise de Risco Residual: Para isolar o valor do embedding, os autores calcularam o "risco residual" ($r_i = \hat{p}_{embedding} - \hat{p}_{comorbidity}$) para pacientes com risco basal semelhante (estratificados por idade, sexo e decis de Elixhauser). Isso identificou pacientes onde o embedding previu risco significativamente maior ou menor do que o modelo de comorbidade padrão.

Principais Resultados

• Desempenho Preditivo:

  • O modelo de embedding superou o modelo demográfico para 101 de 131 blocos de doenças (ganho de AUC mediana de +0,012) e o modelo de comorbidade baseado em Elixhauser para 93 de 131 blocos (ganho de AUC mediana de +0,006).
  • Os ganhos não foram uniformes; concentraram-se em distúrbios mentais, musculoesqueléticos, do sistema nervoso e metabólicos. Os ganhos foram negligenciáveis ou ausentes para neoplasias, doenças infecciosas e doenças de pele.
  • Para o desfecho composto de sobrevivência livre de eventos, o modelo de embedding alcançou uma AUC de 0,726 em comparação com 0,722 para o modelo de comorbidade (ganho de +0,0037).

• Risco Residual e Divergência de Trajetória:

  • Entre pacientes com risco previsto quase idêntico sob o modelo de comorbidade (risco médio ~0,53), aqueles atribuídos alto risco residual pelo embedding apresentaram desfechos significativamente piores.
  • Sobrevivência Livre de Eventos: Pacientes de alto risco residual tiveram entre 132 e 183 dias livres de eventos a menos ao longo de cinco anos em comparação com seus pares de baixo risco residual.
  • Equivalência de Idade: Pacientes de alto risco residual (ex: idade 50) exibiram taxas de eventos comparáveis a pacientes de baixo risco residual mais de uma década mais velhos (ex: idade 64).
  • Características Clínicas: O sinal do embedding correlacionou-se com diferenças mensuráveis no histórico pré-marco não capturadas pelo escore de Elixhauser: maior frequência de visitas, maior diversidade diagnóstica, mais capítulos de CID-10 afetados, acúmulo mais rápido de blocos de doenças e menor tempo desde a última admissão.

Significância e Alegações
O artigo alega que os históricos longitudinais de diagnósticos hospitalares contêm informações sobre o futuro acúmulo de morbidade que são comprimidas ou perdidas em resumos estáticos de comorbidade. A principal contribuição não é um aumento uniforme massivo na discriminação média (AUC), mas sim a capacidade de revelar heterogeneidade clinicamente significativa entre pacientes que parecem semelhantes sob métricas convencionais.

Os autores argumentam que modelos de sequência contrastivos podem extrair sinais relacionados à amplitude, recência e ritmo do acúmulo de doenças. Isso permite a identificação de riscos de acúmulo de morbidade "ocultos", oferecendo uma descrição baseada em trajetória da heterogeneidade do healthspan (tempo de vida saudável) que contagens estáticas não podem fornecer. O estudo sugere que, embora os ganhos médios em AUC sejam modestos, a identificação de trajetórias divergentes em pacientes com cargas estáticas semelhantes representa um passo significativo para a compreensão da natureza dinâmica do envelhecimento e da multimorbidade.

Limitações Observadas
Os autores reconhecem explicitamente que a análise é restrita a dados de internação, perdendo diagnósticos ambulatoriais, medicamentos e fatores de estilo de vida. Eles observam que os ganhos modestos podem refletir as limitações dos dados de internação ou a dificuldade inerente de prever desfechos amplos de morbidade a partir de bases já informativas. Além disso, a análise de risco residual é descritiva e identifica associações, em vez de estabelecer causalidade ou processos modificáveis.