Quando as pessoas me perguntam por que eu, um matemático aplicado, estudo diabetes, eu lhes digo que estou motivado por razões científicas e humanas.
O diabetes tipo 2 corre na minha família. Meu avô morreu de complicações relacionadas à doença. Minha mãe foi diagnosticada com a doença quando eu tinha 10 anos de idade, e minha tia Zacharoula sofreu com isso. Eu mesmo sou pré-diabético.
Como um adolescente, eu me lembro de ser atingido pelo fato de que minha mãe e sua irmã receberem tratamentos diferentes de seus respectivos médicos. Minha mãe nunca tomou insulina, um hormônio que regula os níveis de açúcar no sangue; Em vez disso, ela comeu uma dieta limitada e tomou outras drogas orais. A tia Zacharoula, por outro lado, tomava várias injeções de insulina por dia.
Embora tivessem a mesma herança, o mesmo DNA parental e a mesma doença, suas trajetórias médicas divergiram. Minha mãe morreu em 2009 com a idade de 75 e minha tia morreu no mesmo ano na idade de 78, mas ao longo de sua vida tratada com muitos efeitos colaterais mais graves.
Quando foram diagnosticados na década de 1970, não havia dados para mostrar qual medicamento era mais eficaz para uma determinada população de pacientes.
Hoje, 29 milhões de americanos vivem com diabetes. E agora, em uma era emergente de medicina de precisão, as coisas são diferentes.
O aumento do acesso a informação estatística genômica e a crescente utilização de registros médicos eletrônicos, combinados com novos métodos de aprendizado mecânico, permitem aos pesquisadores processar grandes quantidades de dados. Isso está acelerando os esforços para compreender as diferenças genéticas dentro de doenças – incluindo diabetes – e desenvolver tratamentos para elas. O cientista em mim sente um poderoso desejo de participar.
Usando “Big Data” para otimizar o tratamento
Meus alunos e eu desenvolvemos um algoritmo baseado em dados para o gerenciamento personalizado do diabetes que acreditamos ter o potencial de melhorar a saúde dos milhões de americanos que vivem com a doença.
Funciona assim: O algoritmo seleciona os pacientes e dados de drogas, encontra o que é mais relevante para um determinado paciente com base em sua história médica e, em seguida, faz uma recomendação sobre se outro tratamento ou medicamento seria mais eficaz. A perícia humana fornece uma terceira peça crítica do quebra-cabeça.
Afinal, são os médicos que têm a educação, habilidades e relacionamentos com os pacientes que fazem julgamentos informados sobre cursos potenciais de tratamento.
Realizamos nossa pesquisa através de uma parceria com o Boston Medical Center, o maior hospital de rede de segurança da Nova Inglaterra, que presta assistência a pessoas de baixa renda e pessoas sem seguro médico. E usamos um conjunto de dados que envolveu os registros médicos eletrônicos de 1999 a 2014 de cerca de 11.000 pacientes que eram anônimos para nós.
Esses pacientes tinham três ou mais testes de nível de glicose registrados, uma prescrição de pelo menos uma droga de regulação da glicemia e nenhum diagnóstico registrado de diabetes tipo 1, que geralmente começa na infância. Também tivemos acesso aos dados demográficos de cada paciente, bem como sua altura, peso, índice de massa corporal e histórico de medicamentos receitados.
Em seguida, desenvolvemos um algoritmo para marcar precisamente quando cada linha de terapia terminou e começou a próxima, de acordo com quando a combinação de medicamentos prescritos para os pacientes foram alterados nos dados de registro médico eletrônico. Em suma, o algoritmo considerou 13 possíveis regimes de drogas.
Para cada paciente, o algoritmo processou o menu de opções de tratamento disponíveis. Isso incluiu o tratamento atual do paciente, bem como o tratamento de seus 30 “vizinhos mais próximos” em termos da similaridade de sua história demográfica e médica para prever os efeitos potenciais de cada regime de droga. O algoritmo assumiu que o paciente herdaria o resultado médio de seus vizinhos mais próximos.
Se o algoritmo detectou um potencial substancial de melhoria, ofereceu uma mudança no tratamento; Se não, o algoritmo sugeriu que o paciente permaneça em seu regime existente. Em dois terços da amostra de pacientes, o algoritmo não propôs uma alteração.
Os pacientes que receberam tratamentos novos, como resultado do algoritmo viram resultados dramáticos. Quando a sugestão do sistema era diferente do padrão do cuidado, uma mudança benéfica média na hemoglobina de 0.44 por cento em cada visita do doutor foi observada, comparada aos dados históricos. Trata-se de uma melhora significativa e material.
Com base no sucesso do nosso estudo, estamos organizando um estudo clínico com o Massachusetts General Hospital. Acreditamos que nosso algoritmo poderia ser aplicável a outras doenças, incluindo câncer, Alzheimer e doenças cardiovasculares.
É profissional e pessoalmente gratificante trabalhar em um projeto inovador como este. Através da leitura da história médica de uma pessoa , somos capazes de adequar tratamentos específicos a determinados pacientes e proporcionar-lhes estratégias terapêuticas e preventivas mais eficazes. Nosso objetivo é dar a todos a maior oportunidade possível para uma vida mais saudável.
Melhor de tudo, eu sei que minha mãe ficaria orgulhosa.
Explorar ainda mais: Algoritmo baseado em dados gera melhorias notáveis no HbA1c
obs. conteúdo meramente informativo procure seu médico
abs
Carla
Nenhum comentário:
Postar um comentário
Vc é muito importante para mim, gostaria muito de saber quem é vc, e sua opinião sobre o meu blog,
bjs, Carla