Aprendizaje automático para la predicción del riesgo de transfusión sanguínea durante o después de la cirugía de...

Área de la Ciencia:

• Cirugía cardiovascular
• La informática médica
• Hematología

Sus antecedentes:

• Las transfusiones de glóbulos rojos (RBC) son comunes en la cirugía de la válvula mitral.
• La predicción precisa del riesgo de transfusión es esencial para optimizar el manejo de la sangre.

Objetivo del estudio:

• Identificar el método de predicción óptimo para el riesgo de transfusión de glóbulos rojos en pacientes sometidos a cirugía de válvula mitral.
• Determinar las principales variables preoperatorias que influyen en las necesidades de transfusión.

Principales métodos:

• Análisis retrospectivo de 1477 pacientes sometidos a cirugía de válvula mitral con bypass cardiopulmonar.
• Selección de características utilizando la relevancia máxima y la redundancia mínima (MRM) de 30 variables preoperatorias.
• Evaluación de varios modelos de aprendizaje automático, incluido LightGBM, con análisis SHAP para la interpretabilidad.

Principales resultados:

• El método mRMR identificó diez variables preoperatorias significativas.
• El modelo LightGBM logró un AUC de 0,935 (entrenamiento) y 0,734 (validación), con una precisión del 74,2% en un conjunto de datos prospectivos.
• Los principales predictores incluyeron el hematócrito, el recuento de glóbulos rojos, el peso, el IMC, el fibrinógeno, la hemoglobina, la altura, la edad, la dilatación del ventrículo izquierdo y el sexo.

Conclusiones:

• El modelo LightGBM es óptimo para predecir las necesidades de transfusión de glóbulos rojos en la cirugía de válvula mitral.
• La predicción precisa ayuda a los médicos a anticiparse a las transfusiones y a mejorar las estrategias de manejo de la sangre.