Un enfoque de aprendizaje automático interpretable para predecir la epilepsia resistente a los medicamentos en niños...

Área de la Ciencia:

• Neurociencia computacional
• Neurología pediátrica
• Aprendizaje automático en medicina

Sus antecedentes:

• El complejo de esclerosis tuberosa (TSC) es un trastorno genético asociado con la epilepsia.
• La epilepsia resistente a los medicamentos (ERD) plantea un desafío significativo en el manejo de la SCT pediátrica.
• Las herramientas predictivas para el riesgo de DRE en TSC son cruciales para la intervención oportuna.

Objetivo del estudio:

• Desarrollar y validar un algoritmo interpretable de aprendizaje automático (ML) para predecir el riesgo de ERD en niños con TSC.
• Mejorar la transparencia y la utilidad clínica de los modelos predictivos para el DRE en la TSC pediátrica.

Principales métodos:

• Recopilación retrospectiva de datos clínicos de 88 pacientes pediátricos con epilepsia relacionada con el TSC.
• Aplicación de 9 algoritmos ML, incluido el bosque aleatorio (RF), para construir modelos predictivos.
• Utilizando las explicaciones aditivas de SHapley (SHAP) para la interpretabilidad del modelo y el análisis de la importancia de las características.

Principales resultados:

• El modelo de RF demostró un rendimiento superior con un AUC de 0,862 y una especificidad de 0,930.
• Los predictores clave identificados de DRE: antecedentes de síndrome de espasmos epilépticos infantiles (IESS), descargas EEG multifocales, tubérculos corticales múltiples y polifarmacia (≥3 ASM).
• El rendimiento del modelo validado a través de la validación cruzada de diez veces y el análisis de la curva de decisión (DCA), confirmando la utilidad clínica.

Conclusiones:

• El modelo de predicción basado en RF desarrollado ayuda en la identificación temprana de niños con TSC en alto riesgo de DRE.
• La mejor interpretación del modelo a través de SHAP facilita las decisiones de tratamiento individualizadas para pacientes pediátricos con TSC.
• La herramienta apoya a los médicos en el manejo del riesgo de DRE en TSC, mejorando la atención al paciente.