Construcción de un modelo de aprendizaje automático para predecir la recurrencia posoperatoria temprana del cáncer de...

Área de la Ciencia:

• Oncología
• Informática Médica

Sus antecedentes:

• La recurrencia temprana del cáncer de cabeza de páncreas (CCPP) impacta significativamente el pronóstico del paciente.
• El desarrollo de modelos predictivos precisos para la recurrencia temprana es crucial para estrategias de tratamiento efectivas.

Objetivo del estudio:

• Desarrollar y validar un modelo basado en aprendizaje automático (ML) para predecir la recurrencia temprana en pacientes con CCPP.
• Incorporar un novedoso índice compuesto inflamatorio en el modelo predictivo.

Principales métodos:

• Análisis retrospectivo de 526 pacientes con CCPP sometidos a duodenopancreatectomía.
• Desarrollo y evaluación de diez modelos de ML, incluido Random Forest (RF), utilizando datos clínicos, de laboratorio y patológicos preoperatorios.
• Rendimiento del modelo evaluado utilizando curvas AUC, DCA, de calibración y precisión-recuperación, con SHAP para la interpretación.

Principales resultados:

• 164 de 526 pacientes (31,2%) experimentaron recurrencia o metástasis en el plazo de un año.
• El modelo RF logró un alto rendimiento (AUC 0,992 entrenamiento, 0,783 conjunto de prueba).
• Los predictores clave identificados incluyen el antígeno 19-9 de carbohidratos (CA199), el índice de albúmina-linfocitos (ALI), la diferenciación tumoral, la integridad de la cápsula y la invasión nerviosa.

Conclusiones:

• Se desarrolló y validó con éxito un modelo predictivo basado en RF que incorpora un novedoso índice inflamatorio.
• Este modelo muestra potencial para evaluar el riesgo de recurrencia temprana en pacientes con CCPP.
• El modelo puede ayudar a adaptar estrategias de manejo posoperatorio individualizadas para CCPP.