A resultado do agrupamento feito pelo k-means produziu o mapa da figura 4.6:
Figura 4.6- Agrupamento obtido pelo k-means, definindo o novo mapa.
O novo mapa parece ser uma figura espelhada do mapa anterior, mas topologicamente, essa mudança é irrelevante. A distribuição dos pacientes nos grupos é descrita na tabela 4.9:
33
Tabela 4.9- Distribuição dos pacientes nos grupos do mapa com 28 variáveis. As identificações em vermelho representam os pacientes assintomáticos. As identificações em verde
representam os pacientes que mudaram de grupo em relação ao mapa antigo.
As identificações destacadas em vermelho são dos pacientes assintomáticos. Já as que estão com a cor verde são dos pacientes que mudaram de grupo nesse novo mapa em comparação com o antigo. Nota-se que 8 dos 98 pacientes pertencem a novos grupos nessa nova clusterização, com a remoção de duas variáveis da base de dados. Resta então avaliar e verificar se há alguma inconsistência nas mudanças observadas e no conteúdo dos novos grupos formados.
Um importante resultado obtido no grupo 1 foi que todos os pacientes assintomáticos estão mais uma vez nesse grupo, corroborando para a conclusão, desenvolvida no mapa base, de que esse representa o grupo dos assintomáticos ou com uma manifestação muito leve da doença. Todos os 39 pacientes que pertenciam
Grupo 1 (41 pacientes) Grupo 2 (14 pacientes) Grupo 3 (15 pacientes) Grupo 4 (18 pacientes) Grupo 5 (10 pacientes)
Paciente 1 Paciente 22 Paciente 40 Paciente 54 Paciente 70 Paciente 89
Paciente 2 Paciente 23 Paciente 41 Paciente 55 Paciente 71 Paciente 90
Paciente 3 Paciente 24 Paciente 42 Paciente 56 Paciente 73 Paciente 91
Paciente 4 Paciente 25 Paciente 43 Paciente 57 Paciente 76 Paciente 92
Paciente 5 Paciente 26 Paciente 45 Paciente 58 Paciente 77 Paciente 93
Paciente 6 Paciente 27 Paciente 46 Paciente 59 Paciente 78 Paciente 94
Paciente 7 Paciente 28 Paciente 47 Paciente 60 Paciente 79 Paciente 95
Paciente 8 Paciente 29 Paciente 48 Paciente 61 Paciente 80 Paciente 96
Paciente 9 Paciente 30 Paciente 50 Paciente 62 Paciente 81 Paciente 97
Paciente 10 Paciente 31 Paciente 51 Paciente 63 Paciente 82 Paciente 98
Paciente 11 Paciente 32 Paciente 52 Paciente 64 Paciente 83 ---
Paciente 12 Paciente 33 Paciente 72 Paciente 65 Paciente 84 ---
Paciente 13 Paciente 34 Paciente 74 Paciente 66 Paciente 85 ---
Paciente 14 Paciente 35 Paciente 75 Paciente 69 Paciente 86 ---
Paciente 15 Paciente 36 --- Paciente 44 Paciente 87 ---
Paciente 16 Paciente 37 --- --- Paciente 88 ---
Paciente 17 Paciente 38 --- --- Paciente 67 ---
Paciente 18 Paciente 39 --- --- Paciente 68 ---
Paciente 19 Paciente 49 --- --- --- ---
Paciente 20 Paciente 53 --- --- --- ---
34
ao grupo 1 no mapa anterior, continuam pertencendo ao mesmo grupo. Esse cluster ganhou dois pacientes nesse novo mapa, ambos possuem o nível I na escala PND e no mapa anterior estavam no grupo 2. A figura 4.7 tem como intuito facilitar a visualização dessa movimentação:
Figura 4.7- Movimentação de pacientes no grupo 1
Considerando-se que no grupo 1 houve um acréscimo do número de pacientes sintomáticos, além do aumento de pacientes com nível I na escala PND, pode-se dizer que houve uma piora de representatividade dessa classe no novo mapa. Lembrando que esse grupo é caracterizado pelos pacientes assintomáticos ou com um estágio muito leve da doença.
No grupo 2, tem-se que 11 dos 14 pacientes já estavam presentes nesse cluster no mapa anterior. Três pacientes que pertenciam ao grupo 2 no mapa antigo, agora estão em outros clusters. Além disso, três pacientes que antes estavam no grupo 4, agora estão no grupo 2. Os seis pacientes citados que mudaram de grupo apresentam o nível I na escala PND. A movimentação que ocorreu para gerar essa nova configuração é ilustrada na figura 4.8:
35
Figura 4.8- Movimentação de pacientes no grupo 2
É importante notar que três pacientes com o nível I para a escala PND migraram do grupo 4, um grupo considerado de maior gravidade da doença, para a o grupo 2 nesse novo mapa. Como esse é considerado um grupo de menor gravidade, essa movimentação é coerente. A mesma quantidade de pacientes com o mesmo nível PND entrou e saiu da cluster, portanto considerando apenas esse fato não houve mudança para o grupo 2.
Para a o grupo 3, 14 dos 15 pacientes já estavam presentes nesse cluster no mapa anterior. Dois pacientes que no mapeamento antigo estavam no grupo 3, agora pertencem ao grupo 4, um com nível I para a escala PND e outro com nível II. Um paciente que antes pertencia ao grupo 2, agora pertence ao grupo 3. Esse último é graduado com nível I na escala PND. Essa movimentação é ilustrada na figura 4.9:
36
Não houve uma importante mudança para esse cluster. É relevante notar que aproximadamente 93% desse grupo é igual ao do mapa anterior, mostrando que mesmo com menos duas variáveis na base dados, grande parte do cluster continuou o mesmo.
No grupo 4, 16 dos 18 pacientes já estavam presentes nesse cluster no mapa anterior. Três pacientes que antes pertenciam a esse grupo no mapa base, agora estão no grupo 2. Além disso, 2 pacientes que antes estavam no grupo 3, agora pertencem ao grupo 4. A figura 4.10 ilustra essa movimentação:
Figura 4.10- Movimentação de pacientes no grupo 4
Pode-se considerar que houve uma melhora na representação do grupo 4, já que saíram mais pacientes com baixo nível de PND do que entraram. Essa movimentação foi positiva pois o grupo é considerado um cluster que representa pacientes em um estágio mais avançado da doença.
Todos os pacientes do atual grupo 5 são exatamente os mesmos do mapa anterior. Portanto, para esse cluster não houve modificação em relação ao mapa base. Lembrando que essa é uma doença progressiva, esse resultado reforça a conclusão obtida anteriormente de que o grupo 5 representa os pacientes de maior gravidade da doença, já que mesmo no novo mapa não houve possibilidade de seus pacientes mudarem de grupo.
O paciente 36, único que possuía dados diferentes para as variáveis Espessura do Septo Ventricular e Espessura da Parede Posterior Ventricular, foi agrupado no
37
grupo 1. Não houve mudança na classificação desse paciente mesmo com a retirada da variável, já que ele pertencia ao mesmo grupo no outro mapa.
Esses resultados indicaram vantagens e desvantagens do novo mapa quando comparado com o antigo, tornando complexa a tarefa de definir categoricamente se houve melhora na representação dos grupos. Ainda assim, o mais importante dessa análise foi atingido, já que percebeu-se uma coerência entre os dois mapas. A maior parte dos pacientes, aproximadamente 92%, não mudou de grupo na comparação entre o mapa base e o novo mapa, mesmo com a redução das variáveis. Esse fato evidencia que um há um potencial no estudo sobre a compactação da base de dados e que o mesmo pode ser continuado.
38
Capítulo 5
Conclusão
O principal objetivo do projeto foi atingido. O mesmo consistia no desenvolvimento de uma escala de gravidade para a PAF a partir de um sistema de apoio à decisão baseado em mapas Auto-Organizáveis.
Separando por similaridade os pacientes, cinco grupos foram formados e cada um representa um estágio diferente da doença. O grupo 1 está relacionado aos pacientes assintomáticos ou com uma manifestação muito leve da doença. O grupo 2 representa os pacientes em um estágio inicial, com uma manifestação leve da PAF. O grupo 3 é caracterizado pelos pacientes em estágio intermediário. O grupo 4 se refere aos pacientes com um estágio moderado-grave e o grupo 5 representa os casos mais graves.
Houve ainda o estudo da redução das variáveis para a construção de um novo mapa. Verificou-se uma coerência entre o mapa base, treinado com 30 dados clínicos, e o mapa com o banco de dados reduzido, com 28 diferentes informações para cada paciente. Esse resultado indica que há potencial para a continuação desse estudo, com a investigação de remoção de outras variáveis.
É importante destacar a praticidade da escala obtida. Após uma consulta e dispondo das informações, sintomas e dados clínicos necessários, o serviço médico pode de maneira rápida obter um índice para a gravidade do paciente analisado. Além disso, o resultado obtido apresenta uma informação visual de fácil análise.
Um dos objetivos futuros, como desdobramento desse projeto, é a utilização do escore no atendimento dos pacientes portadores de PAF no CEPARM, onde os dados desse trabalho foram coletados.
A base de dados utilizada nesse projeto representa uma manifestação específica da PAF, que em geral acomete os pacientes brasileiros. Essa é uma importante limitação do mapa proposto, já que não foi utilizado no treinamento pacientes com diferentes manifestações da doença. Duas diferentes abordagens podem ser estudas para lidar com esse problema.
A primeira seria a proposta de um mapa criado a partir de uma base de dados global. Seria então possível ter acesso a uma maior variabilidade genética, e assim o
39
estudo da viabilidade de utilização de um mesmo mapa em escala global poderia ser feito.
A segunda estratégia seria a elaboração de mapas por regiões. Como há uma subclassificação da doença de acordo com a origem étnico-geográfica dos pacientes, assim como foi desenvolvido um mapa para os pacientes brasileiros, outro poderia ser elaborado para os pacientes suíços, por exemplo. Para isso, seria necessário ter acesso ao banco de dados dos pacientes desse país, e o mesmo processo desenvolvido nesse trabalho deveria ser repetido na criação do novo mapa. Nota-se então que há ainda muito a ser explorado e desenvolvido no assunto estudado nesse projeto de graduação.
40
Bibliografia
[1] Cascão, L. V. C. Modelos de inteligência Computacional para o apoio à triagem de pacientes e diagnóstico clínico de tuberculose pulmonar, Dissertação de M.Sc., UFRJ/COPPE/Programa de Engenharia Elétrica, Rio de Janeiro, RJ, Brasil, 2011.
[2] HECK, L. W. As doenças amiloidóticas. In: BENNET, J. C.; GOLDMAN, L. (Ed.). Cecil tratado de medicina interna. 21. Rio de Janeiro: Guanabara Koogan, v.2, 2001. p.1713-1716.
[3] Novis, S. S. C. Aplicação das redes neurais artificiais na criação de uma escala de gravidade para pacientes com polineuropatia amiloidótica familiar
[4] ANDO, Y. et al. Guideline of transthyretin-related hereditary amyloidosis for clinicians. Orphanet J Rare Dis, v. 8, p. 31, 2013.
[5] RAPEZZI, C. et al. Transthyretin-related amiloidoss and the heart: a clinica overview. Nat Rev Cardiol, v. 7, n. 7, p. 398-408, 2010.
[6] ROPPER, A. H.; SAMUELS, M. A. Adams and Victor’s Principles of Neurology. Diseases of the Peripheral Nerves. Adams and Victor’s Principles of Neurology.Diseases of the Peripheral Nerves. 9th. ed. New York: McGraw-Hill Companies, 2009. 1572 p.
[7] ASAHINA, A. et al. Hereditary Gelsolin Amyloidosis: a new Japanese case with cútis laxa as a diagnostic clue. Acta Derm Venereol, v. 91, n. 2, p. 201-203, 2011.
[8] HELLMAN, U. et al. Heterogeneity of penetrance in familial amyloid polyneuropathy, ATTR Val30Met, in the Swedish population. Amyloid, v. 15, n. 3, p. 181-186, 2008.
41
[9] CRUZ, M. W. Regional differences and similarities of familial amyloidotic polyneuropathy (FAP) presentation in Brazil. Amyloid, v. 19 Suppl 1, p. 65-7, 2012.
[10] CRUZ, M. W.; BENSON, M. D. A Review of Tafamidis for the Treatment of Transthyretin-Related Amyloidosis. Neurol Ther, p. 1, 2015.
[11] SEKIJIMA, Y. et al. Familial Transthyretin Amyloidosis. In: PAGON, R. A. et al. (Ed.). GeneReviews™ [Internet]. Seattle (WA): University of Washington, Seattle; 1993-2013, 2001.
[12] OHMORI, H. et al. Common origin of the Val30Met mutation responsible for the amyloidogenic transthyretin type of familial amyloidotic polyneuropathy. J MedGenet, v. 41, n. 4, p. e51, 2004.
[13] ANDRADE, C. A Peculiar form of peripheral neuropathy: familiar atypical generalized amyloidosis with special involvement of the peripheral nerves. Brain, v.75, n. 3, p.408-427, 1952.
[14] BITTENCOURT, P. L. et al. Phenotypic expression of familial amyloid polyneuropathy in Brazil. Eur J Neurol, v. 12, n. 4, p. 289-293, 2005.
[15] DUDA, R. O., HART, P. E., STORK, D. G. Pattern Classi_cation. Wiley, 2001.
[16] WITTEN, I. H., FRANK, E., HALL, M. A. Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, 2011.
[17] POSE, M.G.; Cebrián D. R. Soft Computing Methods for Practical Environment Solutions: Techniques and Studies, New York: Information Science Reference, 2010. 265p.