Development of a machine learning-based prediction model for objective indications for renal replacement therapy after stage 3 acute kidney injury

Resumo Técnico: Predição Baseada em Aprendizado de Máquina de Indicações Objetivas de Terapia de Substituição Renal em IRA Estágio 3

Definição do Problema
A Lesão Renal Aguda (LRA), particularmente o Estágio 3, é uma condição crítica associada a alta mortalidade e necessidade de suporte de órgãos. Embora a Terapia de Substituição Renal (TSR) seja indicada para distúrbios metabólicos e de fluidos graves, o tempo de início permanece uma decisão clínica complexa influenciada por práticas locais, disponibilidade de recursos e preferência do clínico, em vez de uma regra universal única. Modelos de predição existentes frequentemente visam a "iniciação real da TSR", uma métrica que confunde o deterioramento biológico com padrões de tratamento e variabilidade de prática. Consequentemente, há uma necessidade de modelos que predigam o cruzamento de limiares de segurança objetivos, informados por ensaios clínicos (RRT-NEED objetivo), em vez do ato administrativo de iniciar a terapia. Este estudo aborda o desafio de predizer o surgimento de indicações objetivas para TSR dentro de 2ras 72 horas após o início da LRA Estágio 3, definida pelos critérios de creatinina ou débito urinário.

Metodologia
O estudo empregou um design de desenvolvimento de modelo de predição retrospectivo e validação externa utilizando duas bases de dados públicas de cuidados críticos: MIMIC-IV (para desenvolvimento e validação interna) e eICU-CRD (para validação externa).

• População do Estudo: Pacientes adultos com a primeira internação em UTI de ≥24 horas que desenvolveram LRA Estágio 3. Pacientes com Doença Renal Terminal (DRT) pré-existente, TSR prévia ou que preenchessem critérios objetivos de TSR nas primeiras 24 horas pós-índice foram excluídos.
• Janelas de Tempo:
  • Tempo de Índice: O momento em que os critérios de LRA Estágio 3 foram atendidos pela primeira vez.
  • Janela de Preditores: Variáveis medidas de 0–24 horas pós-índice.
  • Janela de Desfecho: Avaliação de indicações objetivas de TSR de 24–72 horas pós-índice.
• Definição de Desfecho: O desfecho primário foi o "RRT-NEED Objetivo", definido como a ocorrência de pelo menos um dos seguintes itens dentro da janela de desfecho:
  • Hipercalemia grave (Potássio sérico K⁺ > 6,0 mmol/L).
  • Acidose metabólica grave (pH ≤ 7,20 com Bicarbonato ≤ 12 mmol/L).
  • Sobrecarga de fluidos com hipoxemia (Balanço hídrico cumulativo > 10% do peso corporal com PaO₂/FiO₂ ≤ 200).
  • Azotemia grave (Nitrogênio Ureico no Sangue > 112 mg/dL).
  • Nota: A iniciação real da TSR foi excluída como componente do desfecho para evitar confusão por decisões de tratamento.
• Processamento de Dados: A imputação múltipla foi realizada apenas no conjunto de treinamento para lidar com dados ausentes. A eliminação recursiva de características (RFE) foi utilizada para seleção de variáveis.
• Modelagem: Vários algoritmos foram comparados, incluindo Gradient Boosting, regressão logística com penalidade L2 e Árvores Extremamente Aleatorizadas (Extremely Randomized Trees). O Gradient Boosting foi selecionado como o modelo principal.
• Métricas de Avaliação: A discriminação foi avaliada via AUROC e AUPRC (enfatizada devido ao desequilíbrio de classes). A calibração foi avaliada usando escores de Brier, gráficos de calibração e interceptos. A Análise de Curva de Decisão (DCA) foi usada para avaliar o benefício líquido, e valores de SHAP foram empregados para interpretação do modelo.

Principais Resultados

• Características da Coorte: A coorte de desenvolvimento MIMIC-IV incluiu 2.126 pacientes (taxa de evento de 8,7%), e a coorte de validação externa eICU-CRD incluiu 1.916 pacientes (taxa de evento de 6,3%).
• Preditores Selecionados: O modelo final utilizou 10 variáveis coletadas rotineiramente: máximo/mínimo de Nitrogênio Ureico no Sangue (BUN), máximo/mínimo de Creatinina sérica, débito urinário (0–24h), contagem de plaquetas máxima/mínima, frequência cardíaca máxima, potássio sérico mínimo e contagem de glóbulos brancos máxima.
• Desempenho:
  • Validação Interna (MIMIC-IV): O modelo Gradient Boosting alcançou um AUROC de 0,848, AUPRC de 0,459 e escore de Brier de 0,062.
  • Validação Externa (eICU-CRD): O modelo manteve a discriminação (AUROC 0,764), mas apresentou deriva de calibração (calibration drift). O risco previsto médio foi de aproximadamente 12,5%, superestimando significativamente a taxa de eventos observada de 6,3%. O AUPRC externo foi de 0,181.
• Análise de Curva de Decisão: O benefício líquido foi positivo em todos os limiares na coorte interna, mas foi limitado e restrito a limiares baixos na coorte externa, tornando-se negativo em limiares mais altos (≥0,20).
• Interpretação: A análise SHAP confirmou que níveis mais altos de BUN, creatinina, frequência cardíaca e leucócitos, juntamente com menor débito urinário e potássio, aumentaram o risco previsto, alinhando-se com a fisiopatologia conhecida da deterioração da LRA.

Significância e Alegações
Os autores afirmam que este estudo amplia trabalhos anteriores ao desacoplar o alvo de predição da iniciação real do tratamento, focando, em vez disso, em limiares de segurança objetivos "informados por ensaios". Ao ancorar a predição na janela de 24–72 horas após o início da LRA Estágio 3, o modelo visa um intervalo de decisão clinicamente acionável para reavaliação estruturada.

O artigo conclui que o modelo não é adequado como um gatilho isolado para a iniciação da TSR devido à superestimação externa do risco absoluto e ao benefício líquido limitado em limiares mais altos. Em vez disso, os autores posicionam o modelo como uma ferramenta para estratificação de risco de curto prazo e reavaliação estruturada. Ele pode auxiliar clínicos na identificação de pacientes que estão se aproximando de limites de segurança objetivos, promovendo uma revisão multidisciplinar precoce. No entanto, os autores declaram explicitamente que recalibração local e validação prospectiva são necessárias antes de qualquer implementação clínica, e a decisão final de iniciar a TSR deve permanecer individualizada com base na trajetória clínica e nos objetivos do paciente.