ALGORITMOS DE MACHINE LEARNING PARA PREDIÇÃO DO ÓBITO POR CÂNCER DE BOCA E OROFARINGE

Objetivos: O presente estudo teve como objetivo realizar a modelagem preditiva e identificar os preditores do óbito em até um ano do diagnóstico em pacientes com câncer de boca e orofaringe. Métodos: Trata-se de um estudo transversal, com inclusão de pacientes com idade a partir de 60 anos, com diagnóstico de câncer de boca e orofaringe, sem tratamento oncológico prévio. As informações sociodemográficas e clínicas foram coletadas a partir de entrevista e análise dos prontuários, incluindo a aplicação de uma Avaliação Multidimensional da Pessoa Idosa (AMPI) no Instituto Nacional de Câncer – INCA (Rio de Janeiro/RJ). Para análise estatística, foram utilizadas as técnicas de machine learning K-Nearest Neighbours (KNN) e Random Forest (RF), tendo a variável óbito no primeiro ano após o diagnóstico como variável dependente e características sociodemográficas e clínicas como preditores. Resultados: Dos 163 participantes incluídos no estudo, 62 vieram à óbito no primeiro após o diagnóstico (38,0%). Os modelos de KNN e RF apresentaram AUC de 0.89 e 0.99, respectivamente. Para KNN, o recall foi de 0.733, F1-score de 0.846 e acurácia de 0.879, enquanto para RF, o recall foi de 0.800, F1-score de 0.889 e acurácia de 0.909. Adicionalmente, a análise de importância das características apontou domínios da AMPI e a variável renda como alguns dos principais fatores na previsão do óbito. Conclusões: Este estudo demonstrou a viabilidade do uso de algoritmos de machine learning para a classificação e predição do óbito no primeiro ano após o diagnóstico em pacientes oncológicos com uma acurácia confiável.