Explainable machine learning to predict depression across phenotype definitions integrating genetic and environmental factors

A depressão é uma das principais causas de incapacidade em todo o mundo, afetando milhões de pessoas, mas prever quem irá desenvolvê-la continua sendo um dos desafios mais difíceis da medicina moderna. A dificuldade reside na própria natureza da condição. A depressão não é uma coisa única e uniforme; é uma tapeçaria complexa tecida por muitos fios diferentes. Algumas pessoas a vivenciam como um período passageiro de tristeza, enquanto outras suportam uma luta vitalícia com sintomas graves. Além disso, as causas são uma mistura emaranhada de biologia e experiência de vida. Os cientistas sabem que os genes desempenham um papel, mas também sabem que o sono, o estresse financeiro e o isolamento social são forças poderosas. Como a definição de depressão muda dependendo de quem pergunta e de quais perguntas estão sendo feitas, construir um modelo computacional confiável para prevê-la tem sido como tentar acertar um alvo móvel. Pesquisadores há muito se perguntam se a maneira como definem a doença em seus dados altera os resultados de suas previsões, e se as pistas genéticas escondidas em nosso DNA são úteis apenas para certos tipos de depressão ou para a condição como um todo.

Uma equipe de pesquisadores da Universidade de Edimburgo decidiu resolver esse enigma testando quão bem os modelos de aprendizado de máquina poderiam prever a depressão quando confrontados com diferentes definições da doença. Eles recorreram ao UK Biobank, um banco de dados massivo contendo informações de saúde de mais de meio milhão de voluntários, para examinar quase 153.000 pessoas. Em vez de depender de apenas uma forma de identificar a depressão, a equipe criou quatro grupos distintos. Um grupo representava pessoas atualmente sentindo-se deprimidas, identificadas por um questionário padrão sobre sintomas nas últimas duas semanas. Os outros três grupos representavam a depressão ao longo da vida, definida por diferentes níveis de rigor: uma triagem ampla baseada em sintomas centrais, um histórico autorrelatado de busca por ajuda profissional e uma combinação rigorosa de todos esses fatores para garantir um diagnóstico de alta confiança. Para cada pessoa nesses grupos, os pesquisadores coletaram uma ampla gama de dados, incluindo idade, sexo, hábitos de sono, situação financeira e um escore de risco poligênico, que é um número único resumindo a probabilidade genética de uma pessoa desenvolver depressão com base em milhares de pequenas variações em seu DNA.

Os pesquisadores treinaram cinco tipos diferentes de algoritmos de computador para aprender com esses dados e prever quem seria classificado com depressão. Eles descobriram que os algoritmos mais avançados, conhecidos como modelos de boosting, tiveram o melhor desempenho, mas a verdadeira história estava em como as definições de depressão alteravam os resultados. Quando os modelos analisavam a depressão ao longo da vida, eles eram notavelmente consistentes. Quer a definição fosse ampla ou rigorosa, o computador identificava os mesmos cinco principais fatores como os mais importantes: ser do sexo feminino, idade, insônia, saúde autoavaliada e o esscore de risco genético. Esses modelos mostraram que a informação genética adicionava um aumento pequeno, mas significativo, na precisão da previsão para a depressão ao longo da vida. No entanto, quando os pesquisadores mudaram o objetivo para prever sintomas atuais nas últimas duas semanas, o cenário mudou completamente. O modelo para sintomas atuais dependia muito menos de genética e sexo, e em vez disso atribuía um peso pesado a fatores de vida modificáveis, como a frequência com que uma pessoa podia confiar em outros e se estava enfrentando dificuldades financeiras.

Essa mudança revelou um insight crucial: a maneira como definimos a depressão dita o que o computador aprende sobre ela. Os modelos treinados para a depressão ao longo da vida eram altamente transferíveis, o que significa que aprenderam as mesmas regras, independentemente de a definição ser ampla ou rigorosa. Em contraste, o modelo para sintomas atuais aprendeu um conjunto diferente de regras, focando em circunstâncias de vida imediatas em vez de vulnerabilidade de longo prazo. Os pesquisadores também investigaram se os genes e o ambiente interagiam, procurando casos em que o risco genético de uma pessoa poderia ser amplificado por sua situação de vida. Eles encontraram evidências fortes de que o risco genético para a depressão era mais pronunciado em pessoas que sofriam de insônia, sugerindo que o distúrbio do sono pode agir como um gatilho que torna a responsabilidade genética mais potente. Eles também encontraram interações semelhantes com a idade e a saúde geral.

O estudo conclui que não existe uma única "melhor" maneira de prever a depressão porque a doença em si não é uma coisa só. Um modelo projetado para identificar pessoas em risco de desenvolver depressão ao longo da vida parecerá muito diferente de um projetado para detectar alguém no meio de um episódio atual. Os achados sugerem que, embora os dados genéticos sejam úteis para entender o risco a longo prazo, eles são menos úteis para prever sintomas imediatos, que são impulsionados por estressores de vida e conexões sociais atuais. Ao mostrar que a definição da doença molda a previsão, a pesquisa destaca a necessidade de cientistas e médicos serem precisos sobre o que estão tentando prever. Se o objetivo é a prevenção, os modelos devem focar em fatores de risco ao longo da vida. Se o objetivo é a intervenção imediata, o foco deve mudar para as condições ambientais e sociais atuais. Este trabalho não oferece uma solução mágica para curar a depressão, mas fornece um mapa mais claro do terreno, mostrando que, para entender o futuro da saúde mental, devemos primeiro concordar sobre o que estamos olhando.