Desarrollo y validación interna de un algoritmo de aprendizaje automático para el riesgo de diabetes mellitus tipo 2...

Área de la Ciencia:

• Endocrinología pediátrica
• Medicina computacional
• Salud pública

Sus antecedentes:

• La obesidad infantil es una epidemia en crecimiento, que aumenta el riesgo de diabetes mellitus tipo 2 de inicio temprano (DMT2).
• La identificación temprana de los niños de alto riesgo es fundamental para la implementación de estrategias preventivas contra la DM2.

Objetivo del estudio:

• Desarrollar y validar un modelo basado en el aprendizaje automático (ML) para predecir el riesgo de DMT en niños obesos.
• Comparar la eficacia de varios algoritmos ML en la identificación de los predictores de DM2.

Principales métodos:

• Se realizó un seguimiento de una cohorte de 292 niños obesos durante al menos 1 año.
• Se evaluaron ocho algoritmos ML para la predicción del riesgo de DM2.
• El algoritmo Support Vector Machine (SVM) fue seleccionado por su rendimiento predictivo.

Principales resultados:

• El modelo SVM logró un área bajo la curva característica de funcionamiento del receptor de 0.98 y 93.2% de precisión.
• Los predictores clave identificados por SVM incluyen el IMC, la creatinina, la glucosa y los niveles de HbA1c.
• Cuarenta y nueve niños fueron diagnosticados con DM2 durante el período de estudio.

Conclusiones:

• Un modelo basado en ML, en particular utilizando SVM, puede identificar con precisión a los niños obesos con alto riesgo de DM2.
• Esta herramienta predictiva tiene el potencial de facilitar intervenciones tempranas y personalizadas para prevenir el desarrollo de DM2.
• Se recomienda la validación externa para confirmar la generalizabilidad del modelo.