El aprendizaje profundo mejora la puntuación de riesgo MAGGIC en la predicción de nefropatía inducida por contraste...

Área de la Ciencia:

• Cardiología
• Nefrología
• Inteligencia Artificial en Medicina

Sus antecedentes:

• La nefropatía inducida por contraste (NIC) es una complicación importante después de la intervención coronaria percutánea primaria (pPCI) en pacientes con infarto de miocardio con elevación del segmento ST (STEMI).
• La identificación temprana de pacientes con alto riesgo de NIC es fundamental para mejorar los resultados y reducir la mortalidad.
• La utilidad de la puntuación de riesgo Meta-Analysis Global Group in Chronic Heart Failure (MAGGIC) para predecir la NIC requiere una mayor investigación.

Objetivo del estudio:

• Evaluar la efectividad de los modelos de aprendizaje profundo (DL) que incorporan la puntuación MAGGIC y parámetros clínicos para predecir la NIC en pacientes con STEMI sometidos a pPCI.
• Comparar el rendimiento de varios modelos de DL con algoritmos de aprendizaje automático tradicionales para la predicción de NIC.

Principales métodos:

• Análisis retrospectivo de 1403 pacientes con STEMI tratados con pPCI.
• Desarrollo y comparación de modelos DL (perceptrones multicapa, TabNet, TabTransformer, KAN) y regresión logística utilizando la puntuación MAGGIC y 21 parámetros clínicos.
• Se utilizaron explicaciones aditivas de Shapley (SHAP) para la identificación de predictores.

Principales resultados:

• El modelo Kolmogorov-Arnold Networks (KAN) demostró un rendimiento superior con un Área Bajo la Curva (AUC) de 0,92 para la predicción de NIC.
• Los predictores clave identificados por el análisis SHAP incluyeron el tiempo desde el dolor hasta el balón, el volumen de contraste, la creatinina basal y la puntuación MAGGIC.
• Los pacientes que desarrollaron NIC presentaron mayor mortalidad, estancias hospitalarias prolongadas y más comorbilidades.

Conclusiones:

• La combinación de la puntuación de riesgo MAGGIC con modelos DL, especialmente KAN, mejora significativamente la predicción de NIC en pacientes con STEMI sometidos a pPCI.
• Este enfoque predictivo avanzado facilita la identificación temprana de personas de alto riesgo, lo que permite la implementación oportuna de estrategias nefroprotectoras.
• Los modelos desarrollados y la posible calculadora web pueden ayudar en la toma de decisiones clínicas para la prevención de NIC.