Quimiometria aplicada à avaliação clínica de Lesão Renal Aguda, Nefrite Lúpica e esquistossomose

Abstract

Rins e fígado desempenham papel central na homeostase e na eliminação de substâncias tóxicas, sendo frequentemente acometidos por doenças de alta prevalência. Considerando os riscos e as elevadas taxas de mortalidade e morbidade em estágios avançados, o presente trabalho aplicou abordagens metabonômicas e quimiométricas para o diagnóstico de Lesão Renal Aguda (LRA) e o estadiamento de Nefrite Lúpica (NL) e de Fibrose Periportal (FPP) associada à esquistossomose. No estudo da LRA, espectros de RMN de 1H de urina de neonatos prematuros obtidos da literatura foram analisados por algoritmos de aprendizado de máquina, incluindo Regressão Logística (LR), Análise Discriminante Linear (LDA) e Máquina de Vetores de Suporte (SVM). O modelo SVM apresentou melhor desempenho (VPP 100%, sensibilidade 71,4%, especificidade 100% e exatidão 85%), destacando seis metabólitos, valina, lactato, lisina, creatinina, taurina e creatina, relacionados a alterações no metabolismo da taurina. No estudo da NL, amostras séricas foram analisadas por RMN de 1H e os espectros submetidos a combinação dos algoritmos de aprendizado de máquina (LR, LDA e SVM) com técnicas de seleção de variáveis. O modelo LR com seletor SFS-LR apresentou os melhores resultados (exatidão 92,3%), sendo o ácido pirúvico e o lactato os principais discriminantes entre os subtipos de NL, associados a aumento da glicólise e processos inflamatórios. Para a FPP, cinco biomarcadores séricos foram analisados por diferentes algoritmos (LR, LDA, SVM e Árvore de Decisão), com a Árvore de Decisão obtendo o melhor desempenho (exatidão 86%), destacando o número de plaquetas como variável mais relevante. Os resultados reforçam o potencial da metabonômica integrada à quimiometria e ao aprendizado de máquina como ferramenta não invasiva e acessível para diagnóstico e estadiamento de doenças renais e hepáticas.