Predicción de la supervivencia en receptores de trasplante de células madre hematopoyéticas alogénicas utilizando...

Área de la Ciencia:

• Hematología
• Inteligencia artificial
• La informática médica

Sus antecedentes:

• Los modelos de predicción de la supervivencia del trasplante de células madre hematopoyéticas alogénicas (allo-HSCT) a menudo carecen de factores dinámicos posteriores al trasplante.
• Las herramientas predictivas existentes se centran principalmente en las variables previas al trasplante, lo que limita su precisión en escenarios dinámicos de pacientes.

Objetivo del estudio:

• Desarrollar y evaluar un nuevo modelo informático de inteligencia artificial (IA) para predecir los resultados de supervivencia en los receptores de allo-HSCT.
• Incorporar cambios dinámicos en el estado del paciente después del trasplante en los algoritmos de predicción de supervivencia para allo-HSCT.

Principales métodos:

• Se elaboró una base de datos completa de 564 adultos que recibieron el aló-HSCT (2015-2024).
• El algoritmo codicioso de refinamiento de conjunto de datos se utilizó para desarrollar un modelo de IA.
• El modelo clasificó y evaluó selectivamente los parámetros críticos que afectan los resultados de los pacientes.

Principales resultados:

• El modelo de IA desarrollado demostró una precisión del 93,26% en la predicción del estado de supervivencia después de la HSCT.
• Los parámetros predictivos clave identificados incluyen la edad, el tipo de enfermedad, la fase de la enfermedad, los niveles de creatinina, el injerto de plaquetas y la enfermedad aguda / crónica de injerto contra huésped (GvHD).
• El modelo utiliza eficientemente sólo siete parámetros críticos para una predicción precisa.

Conclusiones:

• Los modelos predictivos basados en IA que incorporan factores posteriores al trasplante pueden mejorar significativamente las predicciones de los resultados de supervivencia en el HSCT allo.
• El modelo desarrollado muestra una alta precisión y potencial de aplicación clínica, aunque se recomienda una validación externa.
• Los algoritmos de aprendizaje automático ofrecen una vía prometedora para mejorar la predicción de la supervivencia a largo plazo en pacientes con HSCT.