Em Busca de uma Previsão Pragmática de Risco na Insuficiência Cardíaca

A estratificação de risco para insuficiência cardíaca aguda (ICA) busca um equilíbrio delicado: os modelos devem ser suficientemente precisos para orientar as decisões, mas também simples e acessíveis para uso generalizado. Nesta edição dos Arquivos Brasileiros de Cardiologia, Ferreira et al. apresentam o ML-HF Score, uma ferramenta de aprendizado de máquina projetada para prever a mortalidade hospitalar em ICA, que aplica uma filosofia clássica da ciência de dados médicos, exemplificada pelo estudo seminal de Robert Detrano, de 1989, sobre doença arterial coronariana, utilizando algoritmos que superam os métodos existentes.^,

Como prova da importância da validação em populações reais, o trabalho de Detrano demonstrou que características clínicas e não invasivas, cuidadosamente selecionadas e de baixo custo, podem alcançar precisão diagnóstica comparável a abordagens mais complexas. O conjunto de dados resultante, posteriormente arquivado no Repositório de Aprendizado de Máquina da UCI, se tornou fundamental para a avaliação comparativa de algoritmos, comprovando que modelos melhores podem ser construídos com menos recursos e mais acessíveis, desde que sejam validados em diversas populações.^–

[…]