Modelos predictivos de aprendizaje automático para la supervivencia en pacientes con cáncer gástrico con diabetes: un...

Área de la Ciencia:

• En el campo de la oncología
• Endocrinología
• Estadísticas biológicas

Sus antecedentes:

• El cáncer gástrico (GC) y la diabetes mellitus tipo 2 (T2DM) son preocupaciones importantes para la salud mundial.
• Los pacientes con GC y T2DM enfrentan desafíos pronósticos complejos.
• La identificación de factores de riesgo específicos es crucial para mejorar los resultados de supervivencia.

Objetivo del estudio:

• Identificar los factores de riesgo asociados con la supervivencia del cáncer gástrico en pacientes con DM2.
• Desarrollar un sistema predictivo de puntuación de riesgos para las probabilidades de supervivencia.
• Para mejorar la comprensión del pronóstico en esta población de pacientes con comorbilidades.

Principales métodos:

• Se utilizaron datos de 1,912 pacientes con GC y DM2 (2000-2020) del HADCL de Hong Kong.
• Utilizó la regresión de Cox y el aprendizaje automático (Random Survival Forests) para la predicción de riesgos.
• Análisis SHAP aplicado para la identificación de factores de riesgo y AutoScore-Survival para el desarrollo de sistemas de puntuación.

Principales resultados:

• Se identificaron como factores de pronóstico negativo la edad avanzada, la duración más larga de la DM2, el IMC más alto, la obesidad central, el bajo HDL-C y el bajo nivel de potasio sérico.
• El modelo de los bosques de supervivencia aleatoria logró un alto rendimiento (AUC=0,870, índice C=0,78).
• Desarrolló dos sistemas de puntuación de riesgo con índices C de 0,672 y 0,654 en el conjunto de pruebas.

Conclusiones:

• Este estudio proporciona información crítica sobre el pronóstico del cáncer gástrico en pacientes con DM2.
• Se identificaron factores de riesgo significativos y se desarrollaron nuevas herramientas de puntuación de riesgos.
• Se necesitan más investigaciones para explorar los mecanismos y la validación clínica de los sistemas de puntuación.