Video Experimental Relacionado
Updated: Sep 8, 2025
Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
Utilidad de los algoritmos de aprendizaje automático multiclase en la predicción de la descarga en el mismo día
Shane Fei Chen1, Anirudh Buddhiraju1, Tony Lin-Wei Chen1
1Bioengineering Laboratory, Department of Orthopaedic Surgery, Massachusetts General Hospital, Harvard Medical School, Boston, MA, USA.
El aprendizaje automático predice con precisión el alta en el mismo día para pacientes con artroplastia total de rodilla (TKA). Esto mejora la selección de pacientes, la asignación de recursos y la rentabilidad de los procedimientos ambulatorios de TKA.
Área de la Ciencia:
- Cirugía ortopédica
- Informática de la salud
- El aprendizaje automático en el cuidado de la salud
Sus antecedentes:
- La duración de la estancia (LOS) tiene un impacto significativo en los costos de la artroplastia total primaria de rodilla (TKA).
- La selección actual de pacientes para el alta TKA en el mismo día es un desafío, con altas tasas de fracaso.
- El desarrollo de modelos predictivos precisos para LOS es crucial para optimizar las vías de TKA.
Objetivo del estudio:
- Desarrollar y evaluar modelos de aprendizaje automático multiclase para la selección de pacientes en TKA.
- Para predecir la elegibilidad de alta en el mismo día e identificar a los pacientes con riesgo de LOS prolongado.
- Utilizar una gran cohorte nacional de pacientes para el desarrollo y la validación de modelos sólidos.
Principales métodos:
- Análisis de 167.859 TCA primarios entre 2017 y 2023.
- Categoría de LOS en el mismo día, 1-3 días y >3 días.
- Desarrollo y evaluación de modelos de aprendizaje automático (ANN, RF, KNN, XGBoost) utilizando métricas de rendimiento como la precisión, el kappa de Cohen y el AUC.
Principales resultados:
- El modelo Random Forest (RF) mostró un rendimiento superior con una precisión del 90,3% y un AUC micro-promediado de 0,97.
- Los predictores clave para LOS incluyeron el tipo de anestesia, el sexo, el IMC, la puntuación de ASA, la hipertensión, la edad y el tiempo de operación.
- Las tasas identificadas: 2.1% de descarga en el mismo día, 88.1% de 1 a 3 días y 9.8% de LOS prolongado.
Conclusiones:
- Los modelos de aprendizaje automático pueden identificar con precisión a los pacientes adecuados para el TKA de alta en el mismo día.
- Estos modelos predicen eficazmente los riesgos asociados con la pérdida de vida prolongada después de la TKA.
- La implementación puede mejorar la selección de pacientes para cirugía ambulatoria, mejorando los resultados y la rentabilidad.
