Enfoques de aprendizaje automático interpretables para la identificación de disección aórtica aguda en pacientes con...

Área de la Ciencia:

• Informática biomédica
• Medicina cardiovascular
• El aprendizaje automático en el cuidado de la salud

Sus antecedentes:

• El diagnóstico preciso y oportuno de la disección aórtica aguda (DAA) es crítico para los resultados del paciente.
• Diferenciar la DAA de otras causas de dolor repentino en el pecho, como el infarto agudo de miocardio (AMI), la embolia pulmonar aguda (EPA) y el aneurisma aórtico abdominal (AAA), presenta un desafío clínico.

Objetivo del estudio:

• Desarrollar y validar modelos de aprendizaje automático interpretables para la identificación de pacientes con AD.
• Diferenciar la EAA de otras afecciones críticas que causan dolor en el pecho utilizando biomarcadores de laboratorio de rutina y datos clínicos.

Principales métodos:

• Se utilizó una cohorte de 832 pacientes (515 con AAD) con datos divididos en conjuntos de entrenamiento y pruebas.
• Utilizó la regresión LASSO para la selección de variables y nueve algoritmos de aprendizaje automático para el desarrollo de modelos.
• Se aplicó el método SHAP para el análisis de la importancia de las características y la interpretabilidad del modelo.

Principales resultados:

• La regresión LASSO identificó ocho variables significativas, incluidas N.L y edad, para la predicción de AAD.
• Los modelos de aprendizaje automático lograron un área debajo de la curva (AUC) entre 0,72 y 0,77 en el conjunto de pruebas.
• El modelo Random Forest demostró un buen rendimiento en sensibilidad, especificidad y puntuación F1.

Conclusiones:

• Un modelo de aprendizaje automático interpretable puede ayudar efectivamente a diferenciar la AAD de otras causas de dolor en el pecho.
• La priorización de las características clave a través de la IA interpretable apoya el diagnóstico y el tratamiento rápidos de AAD.
• Este enfoque tiene un potencial significativo para mejorar la toma de decisiones clínicas en situaciones de emergencia.