Implementation of the genome-informed risk assessment (GIRA) may lead to large disruptions to the health system

Este estudo avalia a utilidade e o impacto da Avaliação de Risco Informada por Genoma (GIRA) em uma grande coorte da Penn Medicine, revelando que, embora a ferramenta estratifique eficazmente pacientes de alto risco, sua implementação em larga escala pode causar grandes perturbações no sistema de saúde devido à alta prevalência de indivíduos classificados como de risco, disparidades significativas entre ancestrais e limitações na previsão de casos incidentes.

O essencial

Imagine que o seu corpo é como uma casa muito complexa. Por anos, os médicos olhavam apenas para os "sinais de perigo" visíveis na casa (como uma parede rachada ou um telhado vazando) para prever se a casa iria desabar. Esses sinais são o que chamamos de histórico familiar e fatores clínicos (como pressão alta ou colesterol).

Mas, recentemente, a medicina descobriu que existe um "manual de instruções" escondido dentro de cada um de nós: o nosso DNA. Esse manual contém instruções sobre como a casa foi construída e quais são as suas fraquezas potenciais.

Este estudo é como um grande teste de campo para ver se um novo sistema de segurança, chamado GIRA (Avaliação de Risco Informada pelo Genoma), funciona bem na vida real, fora do laboratório onde foi criado.

Aqui está a explicação do que eles descobriram, usando analogias simples:

1. O Teste de Fogo: A "Casa" de Filadélfia

Os cientistas criaram o sistema GIRA em um grupo de pesquisa chamado eMERGE. Eles queriam saber: "Se usarmos esse manual de instruções (DNA) em uma cidade diferente (o sistema de saúde da Universidade da Pensilvânia), ele vai funcionar?"

Eles pegaram dados de quase 48.000 pessoas (o "PMBB") e aplicaram o sistema GIRA para 9 doenças comuns, como diabetes, problemas no coração e certos tipos de câncer.

2. A Grande Surpresa: Metade das Pessoas é "Alta Risco"

O resultado mais chocante foi que 50,1% das pessoas foram classificadas como "Alto Risco" para pelo menos uma dessas 9 doenças.

• A analogia: Imagine que você entra em um shopping e o sistema de segurança diz que metade dos clientes tem uma chance maior de ter um problema. Isso é um número enorme!
• O problema: Se o sistema de saúde começar a tratar todas essas pessoas como se estivessem doentes, o sistema pode entrar em colapso. Seria como tentar apagar 50 incêndios ao mesmo tempo com apenas um extintor. O estudo avisa que implementar isso em larga escala pode "causar grandes perturbações" no sistema de saúde.

3. O Mapa Não é Igual para Todos (Questão de Ancestralidade)

O sistema GIRA foi treinado principalmente com dados de pessoas de ascendência europeia. Quando eles testaram em pessoas de outras origens, o "mapa" ficou distorcido:

• Pessoas de ascendência Africana: O sistema marcou 56,6% delas como de alto risco (mais do que a média).
• Pessoas de ascendência Asiática: O sistema marcou apenas 40-42% como de alto risco.
• A analogia: É como usar um mapa de trânsito feito para Nova York para dirigir em Tóquio. O sistema pode dizer que há um engarrafamento onde não há, ou não ver um engarrafamento que existe. Isso mostra que o sistema precisa ser "calibrado" para cada grupo de pessoas para não ser injusto.

4. Prever o Passado vs. Prever o Futuro

O sistema GIRA é muito bom em dizer: "Você já tem essa doença ou tem os sinais dela agora?" (Casos prevalentes).

• A analogia: É como olhar para o chão molhado e dizer com certeza: "Choveu".

Mas o sistema é muito menos preciso em dizer: "Você vai ficar doente no futuro?" (Casos incidentes).

• A analogia: É como olhar para o céu cinza e tentar adivinhar se vai chover daqui a uma hora. O sistema diz "vai chover", mas muitas vezes não chove.
• O resultado: Para 5 das 9 doenças, a capacidade de prever quem vai ficar doente no futuro foi muito menor do que os cientistas esperavam. Isso significa que, para algumas doenças, o teste pode dar um "falso alarme" sobre quem vai adoecer amanhã.

5. O Fator Social: A Rua onde Você Mora

O estudo também descobriu que o sistema GIRA é influenciado pelo ambiente. Pessoas que vivem em áreas com menos recursos (índice de privação social mais alto) foram marcadas como de maior risco com mais frequência.

• A analogia: O sistema não está apenas olhando para o "manual de instruções" (DNA), mas também está "sentindo" que a casa está em um bairro perigoso. Isso é importante porque mostra que o risco de doença não é só genético; é uma mistura de genes + ambiente + acesso a cuidados de saúde.

Conclusão: O Veredito Final

O estudo diz que o sistema GIRA é uma ferramenta promissora, como um novo tipo de radar muito sofisticado. Ele consegue identificar pessoas que já têm problemas ou que têm uma predisposição genética forte.

Porém, ele ainda não está pronto para ser usado em todos os hospitais do mundo sem ajustes:

1. Precisa de mais calibração: Funciona melhor para alguns grupos étnicos do que para outros.
2. Precisa de cautela: Identificar tantas pessoas como "de alto risco" pode sobrecarregar os médicos e os hospitais.
3. Não é bola de cristal: Ele é melhor em diagnosticar o que já existe do que em prever o futuro com 100% de certeza.

Em resumo: O DNA é um mapa poderoso, mas ainda precisamos aprender a ler esse mapa para todas as pessoas, em todos os lugares, antes de usá-lo para guiar o tratamento de milhões de pacientes.

Resumo técnico

Título: Implementação da Avaliação de Risco Informada pelo Genoma (GIRA) pode levar a grandes interrupções no sistema de saúde

1. Problema e Contexto

A medicina de precisão baseada em genoma está ganhando tração, com a Avaliação de Risco Informada pelo Genoma (GIRA) do consórcio eMERGE tornando-se uma abordagem padrão para identificar indivíduos de alto risco para diversas condições. No entanto, a maioria das validações foi realizada dentro do próprio ambiente eMERGE.
O problema central abordado neste estudo é a generalizabilidade e a utilidade clínica real da GIRA quando implementada em um sistema de saúde independente (o Sistema de Saúde da Universidade da Pensilvânia - UPHS). Existem preocupações sobre:

• Se os critérios de "alto risco" funcionam em populações com composições ancestrais diferentes.
• Se a GIRA consegue prever eficazmente a incidência futura de doenças (doença incidente), e não apenas identificar casos já existentes (doença prevalente).
• O impacto potencial de escala na carga do sistema de saúde, dado que uma grande proporção da população poderia ser classificada como de alto risco.

2. Metodologia

Os pesquisadores utilizaram dados longitudinais do Penn Medicine Biobank (PMBB), uma biobanca vinculada a registros eletrônicos de saúde (EHR) com 48.279 participantes (18-75 anos). O estudo focou em 9 condições de início na idade adulta: fibrilação atrial (AFIB), câncer de mama (BC), doença renal crônica (CKD), doença cardíaca coronariana (CHD), hipercolesterolemia (HC), obesidade, câncer de próstata (PC), diabetes tipo 2 (T2D) e câncer colorretal (CC).

Abordagem Técnica:

• Definição de Casos: Diferenciação entre casos prevalentes (diagnosticados antes, no momento ou após a entrada na biobanca) e casos incidentes (diagnosticados exclusivamente após a entrada na biobanca).
• Avaliação GIRA: Aplicação dos critérios de risco do eMERGE, agregando três componentes:
  1. Pontuação de Risco Poligênica (PGS): Calibrada por ancestralidade usando os mesmos pesos e limiares do eMERGE.
  2. Risco Monogênico: Variantes raras em genes específicos associados às condições.
  3. Histórico Familiar: Extraído dos EHRs.
• Análise Estatística:
  • Uso de Razões de Chances (Odds Ratios - OR) para casos prevalentes.
  • Uso de Razões de Risco (Hazard Ratios - HR) e modelos de riscos proporcionais de Cox para casos incidentes, ajustados por idade, sexo e componentes principais genotípicos.
  • Análise estratificada por ancestralidade (principalmente Europeia - EUR e Africana/Afro-americana - AFR) e Índice de Privação Social (SDI).

3. Principais Contribuições e Resultados

A. Desempenho Preditivo (Prevalente vs. Incidente)

• Casos Prevalentes: A GIRA foi um bom preditor de casos existentes, com ORs variando de 2,28 a 3,97, consistentes com os resultados relatados pelo eMERGE. Isso confirma que a GIRA identifica bem indivíduos que já têm a doença ou fatores de risco estabelecidos.
• Casos Incidentes: O desempenho diminuiu significativamente para a previsão de novas doenças. Para 5 das 9 condições, a capacidade preditiva foi substancialmente atenuada.
  • Exemplo: Para Fibrilação Atrial (AFIB), o OR foi de 2,36, mas o HR (previsão futura) caiu para 1,31. Para CKD, o OR foi 3,63 vs. HR de 1,82.
  • Conclusão: Os ORs podem superestimar a utilidade clínica da GIRA para prevenção futura; os HRs oferecem uma estimativa mais conservadora e realista.

B. Disparidades Ancestrais e Demográficas

• Taxas de Alto Risco: 50,1% da coorte total foi classificada como de alto risco para pelo menos uma condição.
  • Indivíduos de ancestralidade Africana/Afro-americana (AFR) tiveram taxas de classificação de alto risco significativamente mais altas (56,6%) em comparação com a média, enquanto ancestrais do Leste Asiático (42,0%) e Sul Asiático (40,0%) tiveram taxas mais baixas.
• Composição Demográfica: A composição demográfica dos indivíduos classificados como de "alto risco" diferiu da composição dos casos incidentes reais para algumas condições.
  • Exemplo: Para AFIB, os indivíduos de alto risco eram enriquecidos em ancestralidade Europeia, enquanto os casos incidentes reais eram enriquecidos em ancestralidade Africana. Isso sugere uma miscalibração dos modelos genéticos em populações não europeias.
• Fatores Socioeconômicos: Taxas mais altas de risco foram observadas no quartil mais baixo do Índice de Privação Social (SDI), indicando que fatores ambientais e acesso à saúde influenciam a utilidade da GIRA.

C. Impacto no Sistema de Saúde

• A identificação de que metade da população (n=24.185) seria classificada como de alto risco para pelo menos uma condição levanta preocupações sobre a sustentabilidade operacional.
• Implementar a GIRA em escala poderia sobrecarregar os sistemas de saúde, exigindo intervenções preventivas para um grande número de pacientes, muitos dos quais podem nunca desenvolver a doença (falso positivo clínico ou baixa especificidade para incidência).

4. Significado e Conclusões

O estudo demonstra que, embora a GIRA seja uma ferramenta promissora para estratificar pacientes em biobancos independentes, sua implementação clínica em larga escala enfrenta desafios críticos:

1. Validação Longitudinal Necessária: A forte associação com casos prevalentes não garante a capacidade de prever incidentes futuros com a mesma precisão.
2. Equidade Ancestral: Existem disparidades significativas no desempenho do modelo entre diferentes ancestralidades, exigindo calibração específica por população para evitar viés e desigualdade no cuidado.
3. Fatores Não Genéticos: A influência de fatores socioeconômicos e ambientais na classificação de risco sugere que a genômica sozinha não é suficiente para uma medicina de precisão equitativa.
4. Cuidado na Implementação: A alta proporção de indivíduos classificados como de alto risco indica que a adoção generalizada da GIRA sem refinamentos adicionais pode causar interrupções significativas e ineficiências no sistema de saúde.

Em resumo, o estudo alerta que a tradução da genômica para a prática clínica requer validação rigorosa em contextos do mundo real, consideração de determinantes sociais da saúde e ajustes para garantir que os benefícios da medicina de precisão sejam distribuídos equitativamente.