Per poter sviluppare modelli di previsione della risposta al trattamento a 12 mesi nella nefrite lupica, gli esperti hanno intrapreso un approccio che utilizza l’apprendimento automatico per combinare i dati clinici tradizionali e i nuovi biomarcatori ottenuti dalle analisi delle urine; questi ultimi sono stati identificati attraverso una ricerca su Pubmed che ha permesso di individuare 13 nuove proteine urinarie, selezionate per la misurazione al momento dell’insorgenza del lupus nefritico. Questi nuovi marcatori, insieme ai dati clinici tradizionali, sono stati quindi incorporati in una varietà di algoritmi di apprendimento automatico per sviluppare modelli di previsione della proteinuria e di previsione della velocità di filtrazione glomerulare (eGFR).

I diversi sistemi sono stati calibrati su 246 individui di quattro diverse sottocoorti e validati su una coorte indipendente di 30 pazienti con nefrite lupica. La maggior parte di questi modelli ha evidenziato un buon valore predittivo, con aree sotto la curva delle caratteristiche operative del ricevitore superiori a 0,7, dimostrando quindi quanto la performance predittiva dei modelli di risposta dell’eGFR al trattamento fosse migliore. Inoltre, i sistemi con le migliori prestazioni contenevano sia dati clinici tradizionali che nuovi biomarcatori delle urine, tra cui citochine, chemochine e marcatori di danno renale.

Pertanto, il nostro studio fornisce ulteriori prove che un approccio di apprendimento automatico può prevedere i risultati della nefrite lupica a 12 mesi utilizzando un gruppo di biomarcatori tradizionali e nuovi. Tuttavia, risulta necessaria un’ulteriore convalida dell’utilità dell’apprendimento automatico come ausilio alla decisione clinica per migliorare gli esiti prima che possa essere utilizzato di routine.

Fonte: Kidney International