Uma pesquisa liderada pela Lata Medical Research Foundation na Índia mostra que os algoritmos de aprendizado de máquina podem ajudar a prever o início do diabetes tipo 2 usando dados de eletrocardiograma (ECG).
O algoritmo preditivo, conhecido como DiaBeats pela equipe de pesquisa, foi capaz de classificar indivíduos como pré-diabetes, diabetes tipo 2 ou sem diabetes com precisão superior a 95% após a correção de possíveis fatores de confusão, como idade, sexo e presença de outros distúrbios metabólicos .
O diabetes tipo 2 é um grande problema de saúde que afeta muitos milhões de pessoas em todo o mundo. A detecção precoce é fundamental, pois, se detectado cedo o suficiente, foi demonstrado que os sintomas a longo prazo podem ser retardados ou até prevenidos por tratamentos adequados ou mudanças no estilo de vida.
Escrevendo na revista BMJ Innovations , os pesquisadores comentam: “O sistema cardiovascular é um alvo precoce do processo diabético. Mesmo na ausência de uma doença cardíaca franca e disglicemia apreciável, continuam a haver perturbações no controle autonômico da função cardíaca em pré-diabetes e diabetes”.
Por esse motivo, eles investigaram se o batimento cardíaco anormal poderia ser um preditor viável de diabetes tipo 2, mesmo que apenas no estágio de pré-diabetes.
Os dados usados para criar o algoritmo vieram do estudo Diabetes in Sindhi Families in Nagpur de uma população Sindi etnicamente endógena da Índia central, que é um alto risco de desenvolver diabetes tipo 2.
O conjunto de dados incluiu dados clínicos de 1.262 indivíduos e 10.461 batimentos cardíacos alinhados no tempo. Este último envolveu uma gravação padrão de ECG de 12 derivações por 10 segundos para cada participante. No grupo 30% tinham diabetes tipo 2 e 14% pré-diabetes de acordo com os critérios da American Diabetes Association. Outras comorbidades também foram comuns, como hipertensão (51%), obesidade (40%) e dislipidemia (36%).
O algoritmo DiaBeats foi capaz de prever diabetes tipo 2 e pré-diabetes em um conjunto de testes independente com uma precisão de 97% e uma precisão de 97%.
Os pesquisadores observam que a coorte Diabetes in Sindi tem um risco incomumente alto de diabetes em comparação com a população em geral e reconhecem que é necessária uma validação adicional. Eles também observam que a precisão do algoritmo foi menor em pessoas que tomam medicamentos para diabetes, pressão alta ou dislipidemia.
“Em teoria, nosso estudo fornece uma alternativa relativamente barata, não invasiva e precisa [para os métodos diagnósticos atuais] que pode ser usada como um guardião para detectar efetivamente diabetes e pré-diabetes no início de seu curso”, concluem.
“No entanto, a adoção desse algoritmo na prática de rotina precisará de validação robusta em conjuntos de dados externos e independentes”, alertam.