Improving diagnostic performance of kidney allograft rejection with a model combining relative fraction and absolute copies of donor-derived cell-free DNA - results from five independent cohorts

Resumo Técnico: Melhorando o Desempenho Diagnóstico da Rejeição de Alogerto de Rim com um Modelo de CM-Score

Definição do Problema
O DNA livre de células derivado do doador (dd-cfDNA) tornou-se um biomarcador padrão para o monitoramento de receptores de transplante renal. No entanto, a prática clínica atual baseia-se no relato do dd-cfDNA tanto como uma porcentagem relativa do total de cfDNA livre (dd-cfDNA%) quanto como uma quantidade absoluta em cópias genômicas por mililitro (cp/mL). Cada métrica possui limitações distintas: o dd-cfDNA% é suscetível a flutuações nos níveis totais de cfDNA do receptor, o que pode levar a classificações falsas independentes da saúde do enxerto. Por outro lado, embora a quantificação absoluta (cp/mL) tenha demonstrado desempenho superior em alguns estudos, depender de duas métricas separadas pode levar a resultados divergentes ao utilizar limiares fixos. As abordagens atuais de testes paralelos (onde um resultado elevado em qualquer métrica aciona uma chamada positiva) melhoram a sensibilidade, mas frequentemente reduzem a especificidade, levando a altas taxas de falsos positivos e biópsias desnecessárias. Os autores hipotetizam que a integração de ambas as métricas em um único escore composto contínuo poderia superar essas limitações, reduzindo classificações falsas e melhorando a precisão do diagnóstico de rejeição.

Metodologia
O estudo analisou 443 medições de dd-cfDNA de 383 pacientes em cinco coortes independentes de transplante renal. O conjunto de dados incluiu amostras de pacientes submetidos a biópsias por indicação (incluindo rejeição mediada por células T [TCMR], rejeição mediada por anticorpos [ABMR], nefropatia associada ao vírus BK e toxicidade por drogas) e pacientes de vigilância clinicamente estáveis. O dd-cfDNA foi quantificado usando ddPCR baseado em SNP.

A metodologia envolveu uma abordagem de dois estágios:

1. Derivação do Modelo: Um conjunto de descoberta aleatório compreendendo 25 rejeições comprovadas por biópsia e 26 não-rejeições foi utilizado para derivar um escore composto contínuo (CM-Score). Os autores avaliaram modelos lineares, logarítmicos e quadráticos para integrar dd-cfDNA% e cp/mL. O modelo ideal (Eq. 1) foi selecionado com base na maximização da Área Sob a Curva ROC (AUCROC).
2. Validação: O CM-Score derivado foi validado em uma coorte maior de 75 rejeições e 279 não-rejeições. O estudo também realizou uma meta-análise comparando o CM-Score contra 11 coortes clínicas publicadas (totalizando 6.536 amostras) para contextualizar o desempenho.
3. Análise Estatística: O desempenho foi avaliado utilizando sensibilidade, especificidade, Valor Preditivo Positivo (VPP) e Valor Preditivo Negativo (VPN) e Razões de Verossimilhança (LR). A análise considerou variações nas prevalências de rejeição (ex: 25% para validação geral, 6–11% para ambientes de vigilância) usando o teorema de Bayes para calcular probabilidades pós-teste. A análise da curva de decisão foi empregada para avaliar o benefício clínico líquido.

Principais Contribuições
A principal contribuição é o desenvolvimento e a validação do CM-Score, um modelo matemático contínuo que combina a fração relativa e as cópias absolutas de dd-cfDNA.

• Integração Matemática: O modelo utiliza a fórmula: $MV = (Percent Value^{0.71})^{0.5} + (cp/mL Value / 32)^{0.6}$. Este escore contínuo é transformado para uma escala onde um corte de zero distingue rejeição de não-rejeição.
• Métricas Diagnósticas Superiores: O estudo demonstra que o CM-Score supera tanto o dd-cfDNA% quanto o cp/mL individualmente. Embora a AUCROC não tenha sido significativamente diferente das métricas únicas, o CM-Score melhorou significativamente o Valor Preditivo Positivo (VPP) enquanto mantinha um alto Valor Preditivo Negativo (VPN).
• Estrutura de Utilidade Clínica: Os autores fornecem uma estrutura para interpretar o CM-Score usando Razões de Verossimilhança através de uma gama contínua, em vez de um único limiar dicotômico. Isso permite que os clínicos ajustem as probabilidades pós-teste com base em contextos clínicos pré-teste específicos (ex: para causas vs. vigilância, risco imunológico alto vs. baixo).

Resultados

• Comparação de Desempenho: Na coorte de validação (a 25% de prevalência), o CM-Score alcançou um VPP de 81% (IC 95%: 72–89%), uma melhoria significativa sobre a média ponderada de VPP de 54% relatada na literatura para métricas padrão de dd-cfDNA. O VPN permaneceu alto em 91% (89–93%).
• Hierarquia de Métricas: Os resultados mostraram consistentemente que o CM-Score proporcionou melhor desempenho diagnóstico do que o cp/mL isoladamente, que por sua vez foi superior ao dd-cfDNA% isoladamente.
• Especificidade e Capacidade de Confirmação (Rule-In): O CM-Score melhorou a especificidade para rejeição para quase 95%, abordando o problema da baixa especificidade em ensaios atuais onde os valores são frequentemente elevados em patologias de não-rejeição (ex: BKVAN, toxicidade de CNI). A Razão de Verossimilhança para um resultado positivo (LR+) aumentou aproximadamente 168% em comparação com os valores da literatura, aumentando a capacidade de "confirmar" (rule-in) a rejeição.
• Impacto na Vigilância: Em cenários simulados de vigilância (10% de prevalência), o CM-Score reduziu as chances de sobrediagnóstico (biópsias desnecessárias) de 2,6:1 (típico dos métodos atuais) para 0,68:1, e para ≤0,54:1 para valores altos de CM-Score (≥0,8).
• Robustez: A validação por bootstrap e análises de divisão aleatória confirmaram a robustez do modelo contra o overfitting. A adição de variáveis clínicas (eGFR, tempo pós-transplante, incompatibilidade HLA) ao CM-Score não resultou em uma melhoria significativa na discriminação.

Significância e Alegações
O artigo afirma que o CM-Score representa uma ferramenta robusta e clinicamente significativa que melhora a precisão diagnóstica do dd-cfDNA como uma métrica autônoma. Ao passar de limiares fixos para um escore composto contínuo, o modelo aborda a limitação de "exclusão" (rule-out) dos testes atuais de dd-cfDNA (alto VPN, mas baixo VPP) e estabelece sua viabilidade como um biomarcador de "confirmação" (rule-in).

Os autores enfatizam que esta abordagem permite a tomada de decisão clínica personalizada. Em vez de uma interpretação de "tamanho único", os clínicos podem usar as Razões de Verossimilhança contínuas para atualizar a probabilidade de rejeição com base na probabilidade pré-teste específica do paciente (ex: um paciente com creatinina crescente vs. um paciente de vigilância de rotina). O estudo conclui que, embora o CM-Score melhore significativamente a confiança diagnóstica e reduza biópsias desnecessárias, a validação clínica prospectiva é necessária para confirmar seu impacto nos desfechos de longo prazo e no manejo da imunossupressão. Os autores declaram explicitamente que os achados baseiam-se em dados do mundo real e que o modelo está atualmente em uma fase de verificação.