Aprendizaje automático explicable para la interrupción de los antibióticos terapéuticos en pacientes de cuidados...

Área de la Ciencia:

• Medicina de cuidados intensivos
• Farmacología clínica
• Informática de la salud

Sus antecedentes:

• Determinar la duración óptima del antibiótico en UCI es un desafío, equilibrando la resistencia y los riesgos de infección.
• El uso prolongado de antibióticos aumenta la resistencia y los efectos secundarios; el cese prematuro de la infección puede provocar un resurgimiento.
• El aprendizaje automático explicable ofrece potencial para predecir la reiniciación de antibióticos en pacientes de UCI.

Objetivo del estudio:

• Desarrollar y evaluar modelos de aprendizaje automático para predecir la reiniciación de antibióticos en pacientes de UCI.
• Identificar los factores predictivos clave para el reinicio del tratamiento con antibióticos en un plazo de 72 horas.

Principales métodos:

• Recopilación de datos retrospectivos de pacientes adultos en UCI en dos hospitales académicos terciarios holandeses.
• La inclusión de datos de monitoreo, resultados de laboratorio, estrategias de descontaminación, medicamentos y cultivos como predictores.
• Entrenamiento de modelos de regresión logística, GBM ligero y AutoPrognosis para predecir la reiniciación de antibióticos.

Principales resultados:

• Se analizaron 2.486 pacientes y 3.645 ciclos de antibióticos; el 19,4% experimentó reinicio de antibióticos.
• La duración más corta del último ciclo de antibióticos fue el predictor más significativo para la reiniciación.
• La regresión logística logró el mejor rendimiento (AUROC 0,675); la mortalidad a los 90 días fue mayor en el grupo de reinicio (39,8% frente a 25,0%).

Conclusiones:

• Predecir la reiniciación de antibióticos en UCI sigue siendo un desafío, pero es factible.
• La duración más corta del antibiótico es un predictor clave, lo que sugiere oportunidades para una interrupción óptima.
• La reiniciación frecuente con los mismos antibióticos y la mayor mortalidad subrayan la necesidad de un apoyo a la decisión basado en datos.