Enfoque de aprendizaje automático clínicamente aplicable para predecir la expansión del hematoma intracerebral

Área de la Ciencia:

• Neurología
• Radiología
• Informática Médica

Sus antecedentes:

• La expansión del hematoma (HE) es un predictor clave de malos resultados en pacientes con hemorragia intracerebral (ICH).
• La predicción precisa de HE es vital para una planificación de tratamiento eficaz en casos de ICH.

Objetivo del estudio:

• Desarrollar y evaluar un modelo predictivo de HE en pacientes con ICH.
• Comparar el rendimiento de las variables clínicas, las características de radiómicas y un modelo combinado para la predicción de HE.

Principales métodos:

• Se analizó una cohorte de 452 pacientes con ICH.
• Se utilizaron variables clínicas y 1142 características de radiómica de imágenes de TC para la predicción.
• Se emplearon el aumento de gradiente y LASSO para la selección de características, y los modelos se construyeron y validaron utilizando validación cruzada de 5 pliegues.

Principales resultados:

• El modelo combinado logró el mayor rendimiento predictivo (AUC media de 0.77±0.05).
• El modelo combinado superó a los modelos que utilizan solo variables clínicas (0.70±0.06) o características de radiómica (0.73±0.04).
• El tratamiento anticoagulante surgió como el predictor más significativo en el modelo combinado.

Conclusiones:

• Se desarrolló con éxito un novedoso modelo de predicción de HE que integra datos clínicos y de radiómica.
• Este modelo puede ayudar a los no especialistas en accidentes cerebrovasculares a tomar decisiones de tratamiento oportunas para pacientes con ICH en entornos de emergencia.