Standardization of lithium concentration to the 12-hour level using SimpLi: a simulation study and model validation

Resumo Técnico: Padronização da Concentração de Lítio para o Nível de 12 Horas Usando o SimPli

Definição do Problema
O lítio permanece como um tratamento fundamental para o transtorno bipolar, mas possui uma janela terapêutica estreita, exigindo um monitoramento terapêutico de fármacos (TDM) rigoroso. O protocolo clínico padrão exige a coleta de sangue 12 horas após a última dose vespertina. No entanto, a adesão no mundo real a essa janela de 10–14 horas é baixa; estudos indicam que aproximadamente metade de todas as medições de lítio ocorre fora desse intervalo. Desvios do tempo padrão distorcem a interpretação da concentração: a coleta tardia leva à subestimação (risco de aumentos desnecessários de dose e toxicidade), enquanto a coleta precoce leva à superestimação (risco de reduções de dose injustificadas e falha terapêutica). Embora o aprendizado de máquina ofereça uma solução potencial para padronizar essas medições, conjuntos de dados padronizados e amplos contendo tempos precisos de dosagem e amostragem, necessários para a calibração do modelo, estão atualmente indisponíveis na prática clínica russa, e o acesso a conjuntos de dados internacionais detalhados é frequentemente restrito.

Metodologia
Este estudo empregou uma abordagem baseada em simulação seguindo o framework ADEMP (Aims, Data-generating mechanisms, Estimands, Methods, Performance measures) para desenvolver e validar um modelo multiplicativo chamado SimPli.

• Geração de Dados: Um conjunto de dados transversais sintéticos ($n=1000$) foi gerado usando estatísticas descritivas agregadas do estudo Bipolar CHOICE (Köhler-Forsberg et al., 2025). A simulação visou distribuições específicas para:

  • Tempo desde a última dose ($t$): Mediana de 12 horas (IQR 11–14), com um "pico" específico exatamente em 12 horas (27,6% das amostras).
  • Concentração sérica de lítio: Modelada via transformação de raiz quadrada para corresponder às médias e desvios padrão específicos de cada intervalo, e depois retrotransformada.
  • Dose diária de lítio: Gerada usando uma cópula Gaussiana para induzir uma correlação positiva moderada com a concentração, e então discretizada em múltiplos de 150 mg ou 300 mg para refletir as concentrações de comprimidos clínicos.
  • Correlações: A simulação foi calibrada para reproduzir uma correlação negativa alvo entre tempo e concentração ($r \approx -0,30$) e uma correlação positiva dose-concentração ($r \approx 0,30–0,40$).

• Estratégia de Modelagem: O conjunto de dados foi dividido em 70/30 (estratificado por intervalos de tempo) para treinamento e teste. Três etapas de modelagem foram avaliadas:

  1. Regressão Linear (Apenas Tempo): Prevendo a concentração baseando-se apenas no tempo desde a última dose.
  2. Regressão Linear (Tempo + Dose): Adicionando a dose diária como um preditor.
  3. SimPli (Modelo Multiplicativo com Correção Individual): Um procedimento de duas etapas onde um modelo "Tempo + Dose" prevê a concentração esperada ($\hat{C}_{meas}$) para um determinado tempo de amostragem. Um fator de correção individual ($r = C_{meas} / \hat{C}_{meas}$) é calculado para capturar o desvio do paciente em relação à média populacional. Este fator é então aplicado à concentração prevista pelo modelo às 12 horas ($\hat{C}_{12}$) para gerar o valor padronizado: $\hat{C}_{12, padronizado} = \hat{C}_{12} \times r$.

• Validação: O desempenho foi avaliado usando Erro Quadrático Médio (RMSE), Erro Absoluto Médio (MAE) e $R^2$. Uma análise de prova de conceito comparou o SimPli contra a fórmula eLi₁₂ publicada usando cinco casos clínicos da literatura de origem.

Resultos Principais

• Validade da Simulação: O conjunto de dados sintéticos reproduziu com sucesso as distribuições alvo, incluindo a mediana exata e o intervalo interquartil dos tempos de amostragem, as estatísticas de concentração específicas de cada intervalo e a correlação alvo tempo-concentração ($r = -0,29998$).
• Limitações do Modelo Linear: Um modelo usando apenas o tempo como preditor mostrou precisão limitada ($R^2 = 0,108$ no conjunto de teste). A adição da dose melhorou ligeiramente o desempenho ($R^2 = 0,177$), mas ambos os modelos explicaram menos de 20% da variância, destacando a significativa heterogeneidade interindividual.
• Desempenho do SimPli: O modelo multiplicativo incorporando o fator de correção individual demonstrou precisão superior. Na análise de prova de conceito de cinco casos clínicos, o SimPli alcançou um Erro Absoluto Médio menor (0,042 mEq/L) em comparação com a fórmula eLi₁₂ (0,056 mEq/L). A melhoria foi mais notável em pacientes com concentrações de lítio mais elevadas.
• Viés às 12 Horas: Mesmo quando a amostragem ocorreu exatamente às 12 horas, a previsão direta sem um fator de correção individual apresentou um viés substancial (−0,150), sustentando a necessidade do fator de ajuste individual para considerar variáveis farmacocinéticas não medidas (ex: clareance, distribuição).

Significância e Alegações
Os autores afirmam que o SimPli é uma ferramenta prática para padronizar os níveis de lítio quando os tempos de amostragem variam, oferecendo uma abordagem mais personalizada do que fórmulas universais como a eLi₁₂. Ao separar a "trajetória temporal média" do "desvio individual", o modelo preserva as características farmacocinéticas específicas do paciente, potencialmente melhorando a precisão nos extremos de concentração ou tempo de amostragem.

O estudo posiciona o SimPli como uma solução preliminar fundamentada para o suporte à decisão clínica. Os autores afirmam explicitamente que a ferramenta destina-se à integração em sistemas de informação laboratorial ou prontuários eletrônicos para fornecer aos clínicos um valor equivalente de 12 horas automatizado e corrigido. No entanto, o artigo mantém uma postura modesta, enfatizando que a validação atual depende de um único conjunto de dados sintéticos e de uma pequena comparação piloto. Os autores afirmem que a validação externa em dados do mundo real e testes de robustez em diversos cenários clínicos são pré-requisitos necessários antes da implementação clínica. O trabalho serve como uma prova de conceito demonstrando a viabilidade da padronização estatística na ausência de grandes conjuntos de dados granulares do mundo real.