Comparación de algoritmos de aprendizaje automático supervisado para la predicción de la presión arterial parcial de...

Área de la Ciencia:

• Anestesiología y medicina de cuidados intensivos
• Ingeniería biomédica
• El aprendizaje automático en el cuidado de la salud

Sus antecedentes:

• La oxigenación del tejido cerebral es crítica y a menudo se estima indirectamente.
• Los métodos actuales para estimar la oxigenación se basan en mediciones no invasivas o intermitentes.
• El monitoreo preciso y continuo de la oxigenación es crucial para los pacientes neuroquirúrgicos.

Objetivo del estudio:

• Evaluar la viabilidad de la predicción continua de la presión parcial arterial de oxígeno (paO2) mediante el aprendizaje automático.
• Evaluar la eficacia de los algoritmos modernos de aprendizaje automático para la estimación intraoperatoria de la paO2 en pacientes neuroquirúrgicos.
• Explorar métodos para el monitoreo de la oxigenación en tiempo real durante las craneotomías.

Principales métodos:

• Se utilizaron datos clínicos de rutina de pacientes neuroquirúrgicos con pulmones sanos sometidos a craneotomías.
• Se utilizó la eliminación de características recursivas para identificar los predictores clave de la paO2.
• Entrenado y comparado seis algoritmos de regresión de aprendizaje automático y un modelo de regresión lineal multivariable.
• El rendimiento del algoritmo evaluado utilizando métricas como MAPE, R2 ajustado, RMSE y ρ de Spearman.

Principales resultados:

• Se analizaron datos de 4.581 pacientes (17.821 observaciones).
• Un modelo lineal regularizado con descenso de gradiente estocástico logró una alta precisión de predicción (R2 ajustado = 0,77, ρ de Spearman = 0,83).
• Mejora del rendimiento mediante la incorporación de la relación inicial paO2/FiO2 (p/F), lo que permite un seguimiento casi continuo.

Conclusiones:

• La presión parcial arterial de oxígeno (paO2) puede predecirse de manera confiable a partir de datos perioperatorios en pacientes neuroquirúrgicos.
• Los modelos de aprendizaje automático ofrecen una alternativa viable para estimar la paO2 antes del análisis de gases en la sangre.
• La integración de la relación p/F mejora la precisión de la predicción, facilitando el monitoreo continuo de la oxigenación.