Construcción de un modelo predictivo para la mastitis aguda en mujeres lactantes basado en el aprendizaje automático

Área de la Ciencia:

• La informática médica
• Salud de las mujeres
• Enfermedades infecciosas

Sus antecedentes:

• La mastitis lactante aguda es una complicación común que afecta a las mujeres lactantes, con una etiología compleja y síntomas tempranos no específicos.
• El retraso en el diagnóstico puede conducir a infecciones graves y a una recuperación prolongada, lo que pone de relieve la necesidad de una mejor identificación del riesgo.
• La investigación existente sobre los factores de riesgo para la mastitis lactante es incompleta.

Objetivo del estudio:

• Desarrollar y validar un modelo predictivo para el riesgo de mastitis lactante aguda en mujeres lactantes utilizando el aprendizaje automático.
• Identificar los principales factores de riesgo que influyen en la aparición de mastitis lactante aguda.
• Proporcionar una herramienta para una intervención clínica oportuna y un diagnóstico preciso.

Principales métodos:

• Un estudio retrospectivo de casos y controles en el que participaron 369 pacientes con mastitis aguda y 447 controles sanos.
• Los datos recopilados incluyeron datos demográficos de pacientes e indicadores clínicos como la edad, la paridad y la proteína C reactiva (PCR).
• Se utilizaron algoritmos de aprendizaje automático (regresión logística, Bayes ingenuo, XGBoost, percepción multicapa) para construir y probar modelos predictivos.

Principales resultados:

• El modelo Multilayer Perceptron (MLP) demostró un rendimiento superior con un AUROC de 0,898, una precisión de 0,840, una sensibilidad de 0,820 y una especificidad de 0,863.
• Se encontró que cinco indicadores estaban significativamente asociados con la mastitis lactante aguda: edad, pezones agrietados, PCR, neutrófilos (NE) y glóbulos blancos (WBC).
• El análisis de la curva de decisión confirmó la utilidad clínica del modelo MLP en varios rangos de umbral.

Conclusiones:

• Se ha desarrollado con éxito un modelo predictivo robusto para la mastitis lactante aguda utilizando el aprendizaje automático.
• Los factores de riesgo clave, incluida la edad, los pezones agrietados, los niveles de PCR, NE y glóbulos blancos, son cruciales para predecir la aparición de mastitis.
• El modelo desarrollado y los factores identificados ofrecen información valiosa para la detección temprana y el tratamiento específico de la mastitis lactativa.