# Como refinar os endpoints humanitários em modelos murinos de doença usando revisão sistemática e definição de endpoints baseada em aprendizado de máquina?

> Uma revisão sistemática mostrou grande variabilidade na determinação de endpoints humanitários em modelos murinos. O uso de aprendizado de máquina com dados fisiológicos e escores de gravidade identificou animais com alto risco de morte precocemente em modelos de sepse e acidente vascular cerebral, demonstrando generalização.

Estudo citado: Mei J, Banneke S, Lips J, Kuffner MTC, Hoffmann CJ, Dirnagl U et al.. Refining humane endpoints in mouse models of disease by systematic review and machine learning-based endpoint definition. ALTEX. 2019. DOI: https://doi.org/10.14573/altex.1812231. PubMed: https://pubmed.ncbi.nlm.nih.gov/31026040/

## Resposta

A definição de endpoints humanitários em experimentação animal busca minimizar o sofrimento sem comprometer os objetivos científicos. Este estudo teve duas partes: uma revisão sistemática para sintetizar e avaliar definições existentes de endpoints humanitários para parâmetros fisiológicos comuns, e uma aplicação de aprendizado de máquina para definir endpoints em modelos de sepse e acidente vascular cerebral em camundongos.

Na primeira parte, os autores buscaram estudos em duas bases eletrônicas e incluíram 34 artigos. Encontraram grande variância intra e intermodelos na determinação e aplicação de endpoints humanitários, atribuída a modelos animais variados, falta de protocolos experimentais padronizados e heterogeneidade de métricas de desempenho.

Na segunda parte, modelos de aprendizado de máquina treinados com dados fisiológicos e escores de gravidade identificaram animais com alto risco de morte em estágios iniciais. No modelo de acidente vascular cerebral, a identificação foi de 93,2% em machos após 72 horas e 93,0% em fêmeas após 48 horas; no modelo de sepse, 96,2% após 24 horas. Isso demonstra que a abordagem pode ser generalizada para diferentes modelos.

Os achados sugerem que a combinação de revisão sistemática e aprendizado de máquina pode refinar a definição de endpoints humanitários, permitindo intervenções mais precoces e padronizadas. A heterogeneidade encontrada reforça a necessidade de metodologia comum e protocolos padronizados.

Para o médico que atua em pesquisa ou gestão de biotérios, esses resultados indicam que ferramentas de aprendizado de máquina podem auxiliar na padronização e na identificação precoce de animais em risco, contribuindo para o bem-estar animal e a qualidade científica.

## O que o estudo mostrou

Revisão sistemática de estudos em camundongos com modelos de doença aguda e crônica que usaram peso corporal, temperatura e/ou escores de doença para definição de endpoint. Foram recuperados 110 textos completos e incluídos 34 estudos. Observou-se grande variância intra e intermodelos nos endpoints humanitários. Na segunda parte, modelos de aprendizado de máquina treinados com dados fisiológicos e escores de gravidade identificaram animais com alto risco de morte precocemente em modelos de acidente vascular cerebral (93,2% em machos após 72h; 93,0% em fêmeas após 48h) e sepse (96,2% após 24h), demonstrando generalização.

## Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, nem sobre possíveis vieses. Também não são descritas as características exatas dos modelos de aprendizado de máquina utilizados, nem a validação externa dos achados. A heterogeneidade dos estudos incluídos limita conclusões definitivas sobre a superioridade de parâmetros específicos.

## Aplicação no consultório

Para o médico envolvido em pesquisa pré-clínica ou gestão de biotérios, os achados reforçam a importância de padronizar critérios de endpoint humanitário e considerar o uso de ferramentas de aprendizado de máquina para identificar precocemente animais em risco. Isso pode otimizar recursos, reduzir sofrimento animal e melhorar a reprodutibilidade científica. Na prática clínica humana, o estudo não tem aplicação direta, mas destaca a relevância de modelos preditivos para estratificação de risco.

## Perguntas para aprofundar

- Quais parâmetros fisiológicos são mais úteis para definir endpoints humanitários em modelos murinos?
- Como o aprendizado de máquina pode ser aplicado para refinar endpoints em experimentação animal?
- Qual é a importância da padronização de protocolos experimentais para a definição de endpoints humanitários?

Tema: IA em emergência e UTI. Página: https://alphadoctor.com.br/ciencia/ia-emergencia-uti/como-refinar-os-endpoints-humanitarios-em-modelos-murinos-de-doenca-usando/

Conteúdo educacional para profissionais de saúde, baseado no resumo do artigo citado. Não substitui a leitura do estudo original nem avaliação clínica.