Optimization of Community-Consideration Centrality for Breast Cancer Comorbidity Using Various Community Detection Algorithms

No complex cenário da saúde humana, as doenças raramente existem isoladamente. Um paciente diagnosticado com câncer de mama frequentemente carrega outras condições médicas, como pressão alta ou diabetes, que podem complicar o tratamento e influenciar a sobrevivência. Cientistas há muito estudam essas conexões, conhecidas como comorbidades, para entender como diferentes enfermidades interagem dentro de uma única pessoa. Para visualizar essas relações, pesquisadores costumam mapear as doenças como pontos em uma rede, traçando linhas entre elas para mostrar a frequência com que aparecem juntas. Dentro dessas redes, algumas doenças atuam como grandes centros (hubs), conectando-se a muitas outras, enquanto outras servem como pontes, ligando grupos distintos de condições. Tradicionalmente, os cientistas medem a importância de uma doença contando suas conexões diretas ou a rapidez com que ela pode alcançar outros pontos na rede. No entanto, essa abordagem frequentemente ignora um detalável crucial: as doenças tendem a se agrupar em grupos naturais, de forma muito semelhante aos bairros de uma cidade, onde as condições dentro do mesmo grupo compartilham laços mais profundos e específicos do que com o resto da rede. Ignorar esses bairros pode levar a uma visão incompleta de quais doenças são verdadeiramente centrais para a jornada de saúde de um paciente.

Uma equipe de pesquisadores da Universidade Multimedia Nusantara, na Indonésia, propôs-se a refinar a forma como essas doenças importantes são identificadas. Eles focaram na rede específica de condições que frequentemente acompanham o câncer de mama. Em vez de olhar para toda a rede como um mapa único e plano, eles aplicaram um método que respeita os agrupamentos naturais dentro dos dados. Eles trataram a rede como uma coleção de comunidades, reconhecendo que uma doença pode ser vital dentro de seu próprio grupo local, mesmo que não possua o maior número de conexões no total. Para fazer isso, testaram quatro abordagens matemáticas diferentes para encontrar esses grupos, comparando como cada uma organizava as doenças. Eles então utilizaram uma nova forma de calcular a importância, que equilibrava duas perspectivas: o papel da doença dentro de sua comunidade imediata e seu papel na rede mais ampla de todas as condições. Ao ajustar uma configuração específica em seu cálculo, eles podiam deslocar o foco do bairro local para o mapa global, testando qual equilíbrio revelava os insights mais significativos.

Os pesquisadores começaram com um conjunto de dados contendo mais de mil doenças distintas ligadas ao câncer de mama. Eles limparam esses dados, removendo conexões fracas para garantir que estivessem analisando apenas relações fortes e significativas. Esse processo deixou com eles uma rede central de 323 doenças que estavam todas interconectadas. Em seguida, passaram essa rede por quatro algoritmos diferentes de busca de comunidades: um que agrupa nós maximizando as conexões internas, outro que remove as pontes mais importantes para dividir a rede, um terceiro que utiliza uma técnica de passagem de mensagens para estimar a participação no grupo, e um quarto que se baseia em princípios da física para encontrar estados de energia estáveis. Cada algoritmo produziu um mapa diferente de como as doenças se agrupavam. Um método, conhecido como algoritmo de Louvain, alcançou a modularidade mais alta, indicando que criou a separação mais clara entre os grupos e foi o mais eficaz em revelar a estrutura natural da rede de comorbidades.

Com esses mapas de comunidades em mãos, a equipe calculou a importância de cada doença usando três critérios diferentes. Primeiro, observaram quantas ligações diretas uma doença possuía, tanto dentro de seu próprio grupo quanto através de toda a rede. Segundo, mediram a rapidez com que uma doença poderia alcançar todas as outras doenças na rede, avaliando essencialmente sua acessibilidade. Terceiro, identificaram quais doenças atuavam como pontes, situando-se nos caminhos mais curtos entre outras condições e facilitando o fluxo de influência. Eles repetiram esses cálculos várias vezes, ajustando a cada vez o equilíbrio entre a importância local e a global. Quando focavam inteiramente nas conexões locais, diferentes doenças subiam ao topo. Mas, à medida que aumentavam o peso dado à rede global, um conjunto consistente de condições emergia como as mais críticas.

Os resultados apontaram para um grupo específico de doenças que consistentemente ranqueavam como as mais centrais, independentemente do método utilizado para encontrar as comunidades. Estas incluíam condições que afetam o sistema nervoso, o trato gastrointestinal, o sistema cardiovascular e a saúde mental. Especificamente, os pesquisadores descobriram que doenças relacionadas ao sistema nervoso e ao trato digestivo apareciam no topo da lista quando o equilíbrio favorecia a estrutura geral da rede. Isso sugere que essas condições não são apenas companheiras comuns do câncer de mama, mas são provavelmente pontos fundamentais onde muitos problemas de saúde diferentes convergem. O estudo também testou uma configuração específica para o seu parâmetro de equilíbrio, descobrindo que um valor de 0,9 proporcionava os resultados mais estáveis e confiáveis. Essa configuração, que se inclina fortemente para a rede global enquanto ainda respeita as comunidades locais, permitiu que o método identificasse consistentemente as mesmas doenças-chave através de diferentes mapas de comunidades.

Ao integrar o conceito de estrutura de comunidade em sua análise, os pesquisadores demonstraram que uma visão mais matizada das redes de doenças produz respostas mais claras. Eles mostraram que simplesmente contar conexões ou medir distâncias não é suficiente; entender onde uma doença se situa dentro de seu próprio agrupamento é igualmente importante. O estudo não alegou ter resolvido o mistério das comorbidades do câncer de mama, mas forneceu uma ferramenta mais robusta para identificar quais condições merecem mais atenção. As descobertas sugerem que, quando médicos e pesquisadores olham para a complexa teia de enfermidades enfrentadas por um paciente com câncer de mama, devem prestar atenção especial aos sistemas nervoso e digestivo, pois essas áreas parecem deter a maior influência sobre toda a rede de condições associadas. Essa abordagem oferece uma maneira de priorizar estratégias de pesquisa e tratamento, focando nas doenças que verdadeiramente mantêm a rede unida.