Modelos de aprendizaje automático que utilizan tendencias de PCR postoperatorias para predecir fugas anastomóticas...

Área de la Ciencia:

• Resultados de cirugía colorrectal
• Predicción de complicaciones postoperatorias
• Análisis de biomarcadores en pacientes quirúrgicos

Sus antecedentes:

• La fuga anastomótica (FA) es una complicación crítica después de la resección colorrectal, que provoca una morbilidad significativa para el paciente.
• La dependencia actual de los umbrales estáticos de proteína C reactiva (PCR) para la predicción de FA tiene limitaciones.
• La investigación emergente explora el valor predictivo de la trayectoria de la PCR (cambios a lo largo del tiempo) para la FA.

Objetivo del estudio:

• Evaluar modelos de aprendizaje automático (ML) para predecir FA utilizando umbrales de PCR postoperatorios y datos de trayectoria.
• Comparar el rendimiento de los modelos de ML con las métricas convencionales de PCR univariante.
• Evaluar la precisión del análisis dinámico de la PCR en la estratificación temprana del riesgo postoperatorio.

Principales métodos:

• Análisis retrospectivo de resecciones electivas del intestino grueso (2020-2025).
• Desarrollo y validación de modelos de regresión logística, Lasso, Random Forest (RF) y Extreme Gradient Boosting (XGB).
• Se utilizaron niveles de PCR de los días postoperatorios 1-3 (valores absolutos, cambio porcentual, diferencia neta) con validación cruzada de cinco pliegues.

Principales resultados:

• El modelo XGB que integra valores absolutos de PCR y cambio porcentual logró el mayor rendimiento predictivo (AUC 0.91).
• Los modelos de ML que incorporan umbrales de PCR y datos de trayectoria superaron a los modelos que utilizan solo valores absolutos de PCR.
• Los modelos XGB y RF demostraron una precisión superior y una sensibilidad/especificidad equilibrada en comparación con la regresión Lasso.

Conclusiones:

• Los modelos de aprendizaje automático que aprovechan los datos dinámicos de PCR (umbrales y trayectoria) mejoran significativamente la precisión de la predicción de fugas anastomóticas.
• El análisis dinámico y basado en datos de la PCR ofrece una mejor estratificación temprana del riesgo postoperatorio para pacientes con cirugía colorrectal.
• Se requiere una validación multicéntrica adicional para confirmar la generalización de estos modelos predictivos basados en ML.