Aprendizado de máquina pode identificar quais idosos com depressão respondem melhor a placebo versus citalopram?
Resposta curta: Em idosos com depressão unipolar, a análise por particionamento recursivo mostrou que a maior diferença a favor do citalopram ocorreu entre pacientes com até 12 anos de escolaridade e duração da depressão desde o primeiro episódio superior a 3,47 anos. Entre os mais escolarizados, o placebo quase superou o medicamento. Duração da depressão e escolaridade devem ser consideradas.
Resposta
A busca por características que diferenciem respondedores a placebo e a medicamento em ensaios de antidepressivos tem produzido poucos achados consistentes. Uma explicação possível é metodológica: procurar um único moderador tratando as demais variáveis como ruído. O estudo testou se interações entre características pré-tratamento, e não uma solução de variável única, predizem melhor quem se beneficia de placebo ou de medicação.
Foram analisados dados de 174 pacientes com 75 anos ou mais, com depressão unipolar, randomizados para citalopram ou placebo. A análise de particionamento recursivo baseada em modelos foi usada para identificar os moderadores mais robustos da resposta a placebo versus citalopram. Trata-se de uma abordagem de aprendizado de máquina que avalia a contribuição de múltiplas variáveis preditoras simultaneamente.
O maior sinal de detecção entre medicamento e placebo, favorecendo o medicamento, ocorreu entre pacientes com menos anos de escolaridade (≤12) e maior duração da depressão desde o primeiro episódio (>3,47 anos) (B = 2,53, t(32) = 3,01, p = 0,004). Em contrapartida, o placebo teve a maior resposta entre os mais escolarizados (>12 anos), a ponto de quase superar o medicamento (B = -0,57, t(96) = -1,90, p = 0,06).
Os autores concluem que abordagens de aprendizado de máquina capazes de avaliar a contribuição de múltiplas variáveis preditoras podem ser metodologia promissora para identificar respondedores a placebo versus medicamento. A duração da depressão e a escolaridade devem ser consideradas tanto em contextos de desenvolvimento de fármacos quanto na prática clínica, ao se modular a magnitude do efeito placebo.
O que o estudo mostrou
Estudo de análise secundária de ensaio randomizado com 174 pacientes de 75 anos ou mais com depressão unipolar, randomizados para citalopram ou placebo. A análise de particionamento recursivo baseada em modelos identificou que a maior diferença a favor do medicamento ocorreu entre pacientes com ≤12 anos de escolaridade e duração da depressão desde o primeiro episódio >3,47 anos (B = 2,53, t(32) = 3,01, p = 0,004). Entre os mais escolarizados (>12 anos), o placebo quase superou o medicamento (B = -0,57, t(96) = -1,90, p = 0,06).
Limitações
O resumo não informa detalhes sobre o desenho completo do ensaio original, critérios de inclusão e exclusão, tempo de seguimento, medidas de desfecho utilizadas ou tamanho de efeito clínico. Também não são descritas limitações apontadas pelos autores. Os achados referem-se a uma população específica de idosos com depressão unipolar e não devem ser generalizados sem cautela.
Aplicação no consultório
Os resultados sugerem que, ao considerar tratamento farmacológico em idosos com depressão, características como escolaridade e duração da doença desde o primeiro episódio podem ajudar a discutir expectativas de resposta. Na gestão do consultório, isso reforça a importância de registrar história longitudinal da depressão e dados sociodemográficos na avaliação inicial, além de considerar que o efeito placebo pode ser maior em determinados perfis. O resumo não permite definir conduta individualizada.
Estudo citado
A Machine Learning Approach to Identifying Placebo Responders in Late-Life Depression Trials. The American journal of geriatric psychiatry : official journal of the American Association for Geriatric Psychiatry, 2018.
Autores: Zilcha-Mano S, Roose SP, Brown PJ, Rutherford BR.
DOI: 10.1016/j.jagp.2018.01.001 · PubMed: PMID 29398354
Perguntas para aprofundar
- Como a duração da depressão desde o primeiro episódio influencia a resposta ao tratamento em idosos?
- A escolaridade deve ser considerada ao se escolher entre farmacoterapia e outras abordagens em idosos deprimidos?
- Métodos de aprendizado de máquina podem orientar a seleção de pacientes em ensaios clínicos de antidepressivos?
Mais sobre IA na descoberta de fármacos
- Um modelo de dinâmica tumoral combinado com aprendizado de máquina pode prever precocemente resposta e sobrevida em pacientes com carcinoma espinocelular de cabeça e pescoço recorrente/metastático tratados com imunoterapia?
- A inteligência artificial já pode ser usada na prática clínica para personalizar o manejo da rinossinusite crônica?
- Modelos dinâmicos de sobrevida com aprendizado de máquina e profundo podem melhorar a predição de desfechos clínicos e a prática médica?
- O que um estudo de meta-análise de associação genômica em múltiplas ancestralidades acrescenta sobre a base genética da esquizofrenia e o uso de drogas?
- Como modelos de aprendizado de máquina e aprendizado profundo têm avançado na predição de toxicidade e o que isso muda na prática clínica e na gestão do consultório?
Todas as perguntas sobre IA na descoberta de fármacos · Todos os temas · Versão em markdown