PREVISÃO DO RISCO DE DESENVOLVIMENTO DE TIREOIDITE DE HASHIMOTO BASEADA EM APRENDIZADO DE MÁQUINA

Introdução: A Tireoidite de Hashimoto (TH) é uma doença autoimune que afeta a função tireoidiana. Os métodos diagnósticos tradicionais dependem da apresentação clínica e testes de anticorpos, carecendo de uma ferramenta robusta de predição de risco. Objetivo: Desenvolver um modelo de aprendizado de máquina (AM) para prever o risco de desenvolvimento de TH. Método: Os dados dos indivíduos foram adquiridos do PubMed. Um classificador binário foi construído por meio de pré-processamento de dados, seleção de características e exploração de vários modelos de AM. Otimização de hiperparâmetros e métricas de avaliação de desempenho (AUC-ROC, AUC-PR, sensibilidade, especificidade, precisão, escore F1) foram empregados. Resultados: De um total de 9.173 indivíduos, 400 indivíduos dentro desta coorte exibiram função tireoidiana normal, enquanto 436 indivíduos foram diagnosticados com TH. A idade média dos pacientes foi de 45 anos e 90% eram do sexo feminino. O modelo de melhor desempenho atingiu um AUC-ROC de 0,87 e AUC-PR de 0,85, indicando alta precisão preditiva. Além disso, a sensibilidade, especificidade, precisão e escore F1 atingiram 85%, 90%, 80% e 83%, respectivamente, demonstrando a eficácia do modelo na identificação de indivíduos em risco de desenvolvimento de TH. O ajuste de hiperparâmetros foi otimizado usando uma abordagem de busca aleatória. Conclusão: Este estudo demonstra a viabilidade de utilizar AM para a predição acurada do risco de TH. As altas métricas de desempenho alcançadas destacam o potencial desta abordagem para se tornar uma ferramenta clínica valiosa para a identificação precoce e estratificação de risco de pacientes suscetíveis à TH.