Desarrollo y validación externa de modelos basados en aprendizaje automático para predecir el pie diabético en la...

Área de la Ciencia:

• Informática Médica
• Inteligencia Artificial en la Atención Médica
• Manejo de la Diabetes

Sus antecedentes:

• La úlcera del pie diabético (UPD) es una complicación grave de la diabetes que afecta la calidad de vida y la mortalidad.
• La identificación temprana de personas de alto riesgo es crucial para estrategias efectivas de intervención y prevención.

Objetivo del estudio:

• Evaluar sistemáticamente la precisión diagnóstica de los enfoques de aprendizaje automático (ML) para predecir el riesgo de UPD en pacientes diabéticos.
• Comparar el rendimiento de varios modelos de ML en la identificación de individuos en riesgo de UPD.

Principales métodos:

• Adherencia a las directrices TRIPOD+AI para la presentación de informes transparente.
• Se utilizaron datos de NHANES 1999-2004 para el entrenamiento del modelo (Regresión Logística, KNN, RF, XGBoost, SVM).
• Se realizó una validación externa en un conjunto de datos clínico separado para evaluar la generalizabilidad.

Principales resultados:

• El modelo Random Forest (RF) alcanzó el AUC más alto de 0.81 en el conjunto de datos NHANES.
• RF también mostró un rendimiento superior en la validación externa con un AUC de 0.79.
• Otros modelos como XGBoost (0.76) y SVM (0.72) también demostraron buenas capacidades predictivas.

Conclusiones:

• Los modelos de ML exhiben un buen potencial para predecir el riesgo de UPD en diversas poblaciones.
• El rendimiento del modelo puede variar según la región, lo que requiere una cuidadosa selección de algoritmos para grupos de pacientes específicos.
• Los resultados respaldan una mayor evaluación clínica de estos modelos predictivos para el manejo de la UPD.