Um modelo preditivo que utiliza dados nacionais de saúde identifica dois subgrupos de doentes com doença renal crónica com prevalências de perda auditiva radicalmente diferentes, permitindo um rastreio dirigido.

A perda auditiva e a doença renal crónica (DRC) partilham fatores de risco comuns e podem estar ligadas através de inflamação e vias metabólicas partilhadas. No entanto, nem todos os doentes com doença renal desenvolvem perda auditiva na mesma proporção. Um novo estudo de aprendizagem automática utilizando dados de 3.402 doentes com DRC revela que a estratificação de risco e as técnicas de agrupamento podem identificar quais os doentes em maior risco, permitindo potencialmente uma avaliação e intervenção auditiva mais precoce nesta população vulnerável.

O eixo renal-coclear é uma área emergente de interesse na medicina, reconhecendo que a saúde renal e auditiva estão mecanicamente interligadas. Ambos os órgãos dependem da regulação precisa do fluxo sanguíneo, do equilíbrio iónico e da ausência de inflamação sistémica. A DRC interrompe estes processos, levantando a questão: podemos prever quem, entre os doentes com doença renal, irá desenvolver perda auditiva?

Antecedentes: A Ligação Rim-Orelha

A doença renal crónica afecta aproximadamente 10% da população mundial e é um dos principais factores de morbilidade e mortalidade prematuras. Entre os doentes com DRC, a prevalência de perda auditiva é elevada, mas ainda não é claro porque é que alguns doentes desenvolvem deficiência auditiva e outros não. Os investigadores colocaram a hipótese de que a aprendizagem automática poderia revelar padrões ocultos nos dados dos doentes que distinguem subgrupos de baixo risco de subgrupos de alto risco.

Esta equipa utilizou dados do National Health and Nutrition Examination Survey (NHANES), uma amostra grande e representativa a nível nacional da população dos EUA, para desenvolver e validar modelos preditivos. O objetivo era criar um classificador de risco robusto e uma ferramenta baseada na web que os médicos pudessem utilizar para identificar os doentes de alto risco que deveriam receber avaliação auditiva.

Como o estudo foi feito

De 3.402 doentes com DRC, os investigadores extraíram 31 variáveis candidatas a preditoras, abrangendo fatores demográficos, bioquímicos e de estilo de vida. Utilizaram a regressão LASSO para selecionar as características mais preditivas e, em seguida, testaram nove algoritmos de aprendizagem automática para desenvolver o modelo de previsão ideal. O algoritmo XGBoost emergiu como o vencedor, alcançando 98,4% de precisão no treino e 93,9% de precisão em dados de testes independentes.

De seguida, aplicaram a modelação de mistura gaussiana (GMM), uma técnica de agrupamento não supervisionado, para identificar subfenótipos distintos de doentes. Este revelou dois grupos naturais: um grupo de baixo risco e um grupo de alto risco, caracterizados por diferentes perfis clínicos, incluindo idade, marcadores de função renal e equilíbrio eletrolítico.

O que os investigadores descobriram

O subgrupo de alto risco foi constituído por 2.316 doentes (68 por cento da coorte) e foi caracterizado por idade avançada, azoto ureico elevado no sangue e níveis elevados de bicarbonato. Notavelmente, 48,2% dos doentes do grupo de alto risco apresentavam perda auditiva, em comparação com apenas 1,58% no grupo de baixo risco de 1075 doentes. Esta impressionante diferença de 30 vezes demonstra que a aprendizagem automática pode revelar subgrupos de doentes clinicamente significativos com riscos de doença muito diferentes.

A análise SHAP (SHapley Additive exPlanations), um método que interpreta modelos complexos de aprendizagem automática, identificou a idade como o fator de risco predominante, seguida por outros marcadores renais e sistémicos. Esta explicabilidade é crucial para a adoção clínica, uma vez que os médicos precisam de compreender porque é que um modelo faz as suas previsões.

A equipa também desenvolveu uma ferramenta baseada na web utilizando apenas os seis recursos mais influentes, tornando prático para os médicos ocupados introduzir dados e receber uma estimativa de risco em tempo real para a perda auditiva em qualquer doente com DRC.

O que significa para as pessoas com doença renal

Para os doentes com DRC, este trabalho sugere que a avaliação auditiva deve passar a fazer parte dos cuidados de rotina, especialmente para aqueles com idade elevada, azoto ureico elevado ou anomalias eletrolíticas. A deteção precoce permite a intervenção antes que a perda auditiva se torne suficientemente grave para prejudicar a comunicação e a qualidade de vida. A disponibilidade de uma ferramenta preditiva significa que os médicos podem priorizar o rastreio auditivo para aqueles que têm maior probabilidade de beneficiar.

A triagem de precisão possibilitada pela aprendizagem automática é particularmente valiosa em ambientes com poucos recursos, onde os testes auditivos podem ser limitados. Ao identificar 68% dos doentes com DRC no grupo de alto risco, os sistemas de saúde podem alocar os recursos de avaliação auditiva de forma mais eficiente.

Por que razão a tecnologia de autoajuste é adequada para doentes de alto risco

Os doentes com DRC enfrentam frequentemente múltiplas comorbilidades, regimes medicamentosos complexos e visitas clínicas frequentes. Juntar consultas de especialidade em audiologia a um fardo já pesado é um desafio logístico. Os aparelhos auditivos de venda livre permitem um acesso mais rápido à amplificação sem marcação clínica adicional.

O Panda Quantum inclui um teste auditivo online de 10 minutos, clinicamente ajustado, que os doentes com DRC de alto risco podem realizar em casa e, em seguida, ajustar o seu dispositivo através de uma aplicação com base na audição do mundo real. As suas capacidades Bluetooth permitem chamadas em modo mãos-livres e streaming de aparelhos auditivos a partir de telefones, o que é especialmente útil para os pacientes que gerem cuidados de saúde através de telessaúde durante ou entre visitas clínicas. A bateria total de 80 horas com estojo e a garantia de 5 anos proporcionam tranquilidade aos pacientes com necessidades médicas complexas. Descubra ZXQMARCA2ZXQ.

Limitações desta pesquisa

O estudo utilizou dados do NHANES, uma amostra da população dos EUA que pode não estar generalizada a nível global. O desenho transversal significa que a causalidade não pode ser estabelecida. A utilidade clínica do modelo aguarda validação prospetiva em coortes independentes de DRC.

Onde é que isso nos deixa

Ferramentas de medicina de precisão como esta estrutura de aprendizagem automática podem transformar a forma como abordamos a perda auditiva em doenças crónicas. Ao identificar subgrupos de alto risco, possibilitamos uma intervenção mais precoce e uma melhor utilização dos recursos limitados.

Chen L, Wang J, Liu G e outros. Descodificar o eixo renal-coclear: aprendizagem automática explicável e agrupamento de fenótipos revelam subtipos de perda auditiva de alto risco na DRC. Insuficiência Renal. 21 de abril de 2026;48(1):2649658. Obtido de PubMed. DOI: 10.1080/0886022X.2026.2649658