Un nuevo marco de aprendizaje automático para la identificación del tipo de carrera en entornos con recursos...

Área de la Ciencia:

• Neurología
• La informática médica
• Inteligencia artificial en el cuidado de la salud

Sus antecedentes:

• El accidente cerebrovascular es una de las principales causas mundiales de muerte y discapacidad.
• La identificación precisa del tipo de accidente cerebrovascular (isquémico frente a hemorrágico) es crucial para un tratamiento eficaz.
• La neuroimagen a menudo es inaccesible en entornos con recursos limitados, lo que dificulta el diagnóstico oportuno.

Objetivo del estudio:

• Desarrollar un marco de aprendizaje automático rentable para la identificación del tipo de accidente cerebrovascular utilizando únicamente datos clínicos.
• Proporcionar una herramienta de diagnóstico para entornos con recursos limitados que carecen de instalaciones de neuroimagen.
• Mejorar la atención primaria inmediata y la derivación oportuna para los pacientes con accidente cerebrovascular.

Principales métodos:

• Utilizó un conjunto de datos de 2.190 pacientes con ictus con 79 atributos clínicos.
• Utilizó imputación múltiple por ecuación en cadena (MICE) para manejar los datos faltantes.
• Se aplicó el análisis SHAP para identificar los atributos clínicos predictivos clave para la clasificación.

Principales resultados:

• Se logró una precisión ponderada del 82,42%, una precisión del 82,33%, una sensibilidad del 82,19%, una especificidad del 82,65% y una puntuación F1 del 86,68%.
• Un conjunto reducido de 19 atributos significativos mantuvo una precisión ponderada del 82,20%.
• La validación prospectiva mostró una mejora del 16,42% con respecto a la puntuación clínica de Siriraj.

Conclusiones:

• El marco ML propuesto ofrece un método robusto y rentable para la identificación del tipo de accidente cerebrovascular.
• Este enfoque puede ayudar significativamente a la toma de decisiones clínicas en entornos con recursos limitados.
• El marco tiene el potencial de reducir los retrasos en el tratamiento y mejorar los resultados de los pacientes.