Evaluación de estrategias de tratamiento y sistema de recomendación de tratamiento basado en el aprendizaje...

Área de la Ciencia:

• Neuro-oncología
• Medicina para la edad avanzada
• El aprendizaje automático en el cuidado de la salud

Sus antecedentes:

• Los pacientes ancianos con glioma de alto grado (eHGG) enfrentan desafíos de tratamiento únicos debido a la edad, las comorbilidades y la tolerancia al tratamiento.
• La optimización de las estrategias de tratamiento es crucial para mejorar la supervivencia y la calidad de vida de esta población vulnerable.

Objetivo del estudio:

• Evaluar los beneficios de las diversas estrategias de tratamiento para los pacientes con EHGG.
• Desarrollar un sistema de recomendación de tratamiento personalizado para el eHGG utilizando el aprendizaje automático.

Principales métodos:

• El emparejamiento de la puntuación de propensión y el análisis de supervivencia compararon la cirugía, las terapias adyuvantes y la extensión de la resección (GTR vs. STR).
• Un modelo forestal de supervivencia aleatoria predijo el pronóstico e informó un sistema de recomendación de tratamiento personalizado.
• Una cohorte de validación independiente evaluó el rendimiento del modelo utilizando el índice C, el AUC dependiente del tiempo (tdAUC) y el puntaje Brier integrado (IBS).

Principales resultados:

• La cirugía más la terapia adyuvante mejoraron significativamente la supervivencia global en comparación con la cirugía sola o la terapia adyuvante sola.
• La resección total bruta (RGT) combinada con terapia adyuvante produjo resultados de supervivencia superiores en comparación con la resección subtotal (RST) con terapia adyuvante.
• Un modelo de aprendizaje automático logró una alta precisión predictiva (índice C = 0,813, tdAUC = 0,876, 1-IBS = 0,893) y impulsó un sistema de recomendación basado en la web.

Conclusiones:

• El tratamiento agresivo, específicamente GTR y terapia adyuvante, mejora la supervivencia en pacientes ancianos con gliomas de alto grado.
• El sistema de recomendación de tratamiento personalizado basado en el aprendizaje automático desarrollado sirve como una herramienta valiosa para la toma de decisiones clínicas en la gestión de eHGG.