Desarrollo y validación de un modelo de aprendizaje automático interpretable para predecir resultados clínicos...

Área de la Ciencia:

• Imágenes y diagnósticos médicos
• Aprendizaje automático en la salud
• Medicina perinatal

Sus antecedentes:

• El espectro acrecentado de la placenta (PAS) es una complicación grave del embarazo que requiere una identificación precisa del riesgo.
• La detección temprana de pacientes con PAS de alto riesgo es crucial para las estrategias de tratamiento personalizadas.
• Los métodos de diagnóstico actuales pueden beneficiarse de modelos predictivos avanzados.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje automático para predecir resultados adversos en el PAS.
• Integrar indicadores morfológicos de RM y características clínicas para mejorar la precisión de la predicción.
• Crear una herramienta en línea accesible para la evaluación de riesgos de PAS en tiempo real.

Principales métodos:

• Análisis retrospectivo de 125 pacientes con PAS de dos centros.
• Desarrollo y validación de modelos de aprendizaje automático (AdaBoost, TabPFN, CatBoost) mediante resonancia magnética y datos clínicos.
• Análisis SHAP para la interpretabilidad y el despliegue del modelo a través de una plataforma web.

Principales resultados:

• El modelo CatBoost demostró un alto rendimiento con un AUROC de 0,90 (validación interna) y 0,84 (validación externa).
• Los predictores clave incluyeron la longitud del canal cervical, la edad gestacional, las cesáreas anteriores, la vasculatura placentaria anormal y el parto.
• Se desarrolló una herramienta en línea interpretable que proporciona predicciones y visualizaciones de riesgos en tiempo real.

Conclusiones:

• Se desarrolló con éxito un modelo de aprendizaje automático interpretable y práctico para predecir resultados adversos de PAS.
• La herramienta de predicción en línea puede apoyar la toma de decisiones clínicas para el manejo individualizado de pacientes con PAS.
• Este enfoque mejora la aplicabilidad clínica del modelado predictivo en PAS.