Una herramienta individualizada de predicción de riesgos de embarazo ectópico en las primeras 10 semanas de gestación...

Área de la Ciencia:

• Obstetricia y Ginecología
• Informática Médica
• Aprendizaje Automático en Atención Médica

Sus antecedentes:

• El diagnóstico tardío del embarazo ectópico (PE) es una de las principales causas de mortalidad materna en el embarazo temprano.
• Los pacientes con embarazo de ubicación desconocida (PUL) tienen un mayor riesgo de PE y complicaciones asociadas.
• La evaluación precisa del riesgo temprano de PE en pacientes con PUL es crucial para una intervención clínica oportuna.

Objetivo del estudio:

• Construir un modelo de predicción temprana para identificar el riesgo de embarazo ectópico (PE) en pacientes con embarazo de ubicación desconocida (PUL).
• Proporcionar una herramienta valiosa para la toma de decisiones clínicas y la intervención en el manejo temprano del embarazo.

Principales métodos:

• Análisis retrospectivo de 1896 pacientes con PUL dentro de las 10 semanas de gestación.
• Desarrollo de un modelo de predicción de riesgo temprano utilizando algoritmos de Regresión Logística, Extreme Gradient Boosting, Random Forest, Support Vector Machine y CatBoost.
• Selección de características utilizando LASSO y evaluación del rendimiento del modelo mediante AUROC, AUPRC y puntuación F1. Se utilizaron explicaciones aditivas de SHapley (SHAP) para la interpretación de la importancia de las características.

Principales resultados:

• Entre 1896 pacientes con PUL, el 4,08% fueron diagnosticadas con PE.
• Los predictores clave de PE incluyeron sangrado vaginal, progesterona, masa anexial homogénea, gravidez, niveles de hCG, antecedentes de cesárea, dolor a la palpación abdominal y antecedentes de cirugía pélvica.
• El modelo CatBoost logró el mayor rendimiento (AUROC: 0,930, AUPRC: 0,685). El sangrado vaginal, la progesterona y la masa anexial homogénea fueron los predictores más significativos.

Conclusiones:

• El algoritmo CatBoost predice eficazmente el riesgo de PE en pacientes con PUL utilizando características clínicas integradas de las visitas iniciales.
• El modelo desarrollado mejora las tasas de detección temprana de PE en el embarazo temprano.
• Se creó una plataforma web fácil de usar para la evaluación del riesgo de PE, con potencial para futuras aplicaciones clínicas.