Desarrollo y validación de un modelo de tareas múltiples interpretable para predecir los resultados en pacientes con...

Área de la Ciencia:

• Aprendizaje automático en medicina
• Informática clínica
• Análisis predictivo

Sus antecedentes:

• La rabdomiolisis (RM) es un síndrome complejo con resultados variados en los pacientes.
• La predicción precisa de la lesión renal aguda (IRA), la gravedad de la enfermedad, la necesidad de terapia de reemplazo renal (TRR) y la mortalidad es crucial para una intervención oportuna.
• Los métodos de predicción actuales carecen de interpretabilidad y validación completa.

Objetivo del estudio:

• Desarrollar y validar externamente un modelo de aprendizaje de máquina multitarea (ML) para predecir cuatro resultados clínicos clave en pacientes con RM.
• Mejorar la toma de decisiones clínicas mediante una estratificación del riesgo precisa y accesible.
• Identificar a las personas de alto riesgo para la planificación del tratamiento personalizado.

Principales métodos:

• Estudio retrospectivo utilizando datos de la UCI-CRD, MIMIC-IV y de los hospitales chinos para las cohortes de derivación y validación externa.
• Análisis de 1429 pacientes (derivación) y 362 pacientes (validación externa).
• Desarrollo de modelos multi-tarea de ML utilizando 22 características clínicas dentro de las 24 horas de admisión, con el Bosque Aleatorio (RF) seleccionado para el rendimiento y SHAP para la interpretabilidad.

Principales resultados:

• El modelo de RF demostró una alta precisión predictiva: los AUC oscilaron entre 0,823 y 0,914 (validación interna) y entre 0,832 y 0,906 (validación externa) para la IAC, la gravedad de la enfermedad, la RRT y la mortalidad.
• Se identificaron las cinco características principales para cada tarea de predicción, mejorando la interpretabilidad del modelo.
• Se desarrolló un sistema de apoyo a la decisión basado en la web y Android para su implementación clínica.

Conclusiones:

• Se desarrolló y validó con éxito un modelo de aprendizaje múltiple interpretable para predecir resultados críticos en pacientes con rabdomiolisis.
• El modelo y el sistema de apoyo a la decisión asociado pueden facilitar la estratificación del riesgo en tiempo real y el manejo individualizado del paciente.
• Este enfoque tiene un potencial significativo para optimizar la asignación de recursos sanitarios y mejorar la atención al paciente en RM.