Basrah Score: una nueva puntuación basada en el aprendizaje automático para diferenciar la anemia por deficiencia de...

Área de la Ciencia:

• Hematología
• Diagnóstico médico
• Aprendizaje automático en medicina

Sus antecedentes:

• La anemia por deficiencia de hierro (IDA) y el rasgo beta-talasémico (BTT) son causas comunes de anemia microcítica.
• Las características superpuestas de IDA y BTT presentan desafíos de diagnóstico.
• Los índices de discriminación existentes muestran un rendimiento variable entre las poblaciones.

Objetivo del estudio:

• Desarrollar y validar un modelo de diagnóstico novedoso e interpretable para diferenciar el IDA del BTT.
• Mejorar la precisión del diagnóstico de la anemia microcítica mediante el aprendizaje automático.

Principales métodos:

• Desarrolló el puntaje de Basrah utilizando la regresión logística neta elástica (ENLR).
• Entrenado y validado el modelo en un conjunto de datos de 2120 individuos (1080 IDA, 1040 BTT).
• Comparó el puntaje de Basrah con ocho índices de diagnóstico convencionales.

Principales resultados:

• La puntuación de Basrah logró un alto rendimiento diagnóstico: precisión del 96,7%, sensibilidad del 95,0% y especificidad del 98,6%.
• Se ha demostrado un rendimiento superior en comparación con los índices de discriminación tradicionales.
• Destacó la importancia del procesamiento previo avanzado, el equilibrio de clases y la validación cruzada.

Conclusiones:

• La puntuación de Basra ofrece una herramienta sólida e interpretable para diferenciar a la IDA de la BTT.
• La integración del aprendizaje automático puede mejorar la precisión del diagnóstico en trastornos hematológicos.
• Este enfoque es particularmente valioso en entornos con recursos limitados.