Video Experimental Relacionado
Updated: Jan 8, 2026
Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
Estratificación de riesgo basada en aprendizaje automático para hemorragia gastrointestinal en pacientes con cirrosis
Yuxin Duan1, Weifan Sui1, Zefeng Cai1
1Department of Interventional Radiology, The Affiliated People's Hospital of Jiangsu University, Zhenjiang, Jiangsu, China.
Un modelo de aprendizaje automático predice con precisión la hemorragia gastrointestinal (HGI) en pacientes con cirrosis en la unidad de cuidados intensivos (UCI). Se encontró que la terapia anticoagulante era protectora, reduciendo el riesgo de HGI en estos pacientes de alto riesgo.
Área de la Ciencia:
- Medicina de Cuidados Intensivos
- Aprendizaje Automático en Salud
- Gastroenterología
Sus antecedentes:
- La hemorragia gastrointestinal (HGI) es una complicación frecuente y grave para los pacientes críticamente enfermos con cirrosis en la UCI.
- La identificación temprana de pacientes con alto riesgo de HGI es esencial para intervenciones oportunas y mejores resultados.
Objetivo del estudio:
- Desarrollar y validar un modelo de aprendizaje automático (ML) para predecir la HGI intrahospitalaria en pacientes con cirrosis en UCI.
- Identificar los predictores clave de la HGI y evaluar la utilidad clínica del modelo para la estratificación de riesgos.
Principales métodos:
- Estudio de cohorte retrospectivo utilizando las bases de datos MIMIC-IV y EICU (3160 y 523 pacientes con cirrosis en UCI, respectivamente).
- Se entrenaron y evaluaron seis algoritmos de ML; se seleccionó Random Forest (RF).
- La importancia de las variables se determinó utilizando el algoritmo Boruta, análisis de correlación y VIF; se utilizó el análisis SHAP para la interpretación.
- Se analizó el impacto de la terapia anticoagulante mediante regresión logística multivariante.
Principales resultados:
- El modelo RF logró un AUC de 0.86 en la cohorte de entrenamiento y 0.72 en la cohorte de prueba, con buena sensibilidad y especificidad.
- Los predictores clave incluyeron el recuento de glóbulos rojos, la hemoglobina, el recuento de plaquetas y la terapia anticoagulante.
- El uso de anticoagulantes se asoció de forma independiente con un riesgo significativamente menor de HGI en UCI (OR: 0.29).
Conclusiones:
- El modelo RF desarrollado demuestra un rendimiento sólido en la predicción del riesgo de HGI en pacientes con cirrosis en UCI.
- El modelo utiliza datos clínicos fácilmente disponibles, lo que facilita la estratificación de riesgos oportuna y las estrategias preventivas personalizadas en cuidados intensivos.
