Desarrollo y validación de un modelo explicable de aprendizaje automático para predecir la osteoporosis en pacientes...

Área de la Ciencia:

• Endocrinología
• Gerontología
• Medicina computacional

Sus antecedentes:

• La osteoporosis es una complicación frecuente en pacientes con diabetes mellitus tipo 2.
• Las tasas actuales de detección de osteoporosis en pacientes con DM2 son bajas, lo que lleva a un diagnóstico insuficiente.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje automático (ML) rentable e interpretable para predecir el riesgo de osteoporosis en pacientes con DM2.
• Crear una herramienta accesible para la identificación temprana de riesgos.

Principales métodos:

• Análisis retrospectivo de 1560 pacientes hospitalizados con DM2 sometidos a exploraciones DXA.
• Selección de características mediante análisis univariado, regresión LASSO y algoritmo Boruta.
• Desarrollo y evaluación de ocho modelos ML supervisados, con regresión logística seleccionada por su rendimiento.

Principales resultados:

• El modelo de regresión logística demostró un buen rendimiento (AUC 0,812, precisión 0,762).
• Los predictores clave identificados incluyen la edad, el sexo, la fosfatasa alcalina, el ácido úrico, la hemoglobina y el recuento de neutrófilos.
• Se creó una calculadora de riesgos interpretable basada en la web.

Conclusiones:

• Se desarrolló una herramienta en línea interpretable basada en ML para el cribado preliminar del riesgo de osteoporosis en pacientes con DM2.
• La herramienta utiliza indicadores de sangre de rutina y ayuda a los médicos en la identificación temprana del riesgo.
• Esto facilita la reducción del subdiagnóstico de la osteoporosis en esta población vulnerable.