Aprendizaje de Decisión Clínica Mejorado con Ontología Dual para la Predicción de Mortalidad en el Primer Ingreso

Área de la Ciencia:

• Inteligencia Artificial en Atención Médica
• Informática Clínica
• Ciencia de Datos Biomédicos

Sus antecedentes:

• El aprendizaje profundo en registros de salud electrónicos (HCE) se destaca en tareas predictivas de atención médica.
• La predicción de mortalidad para los primeros ingresos es difícil debido a la falta de datos históricos del paciente.
• Un porcentaje significativo de pacientes en MIMIC-III y MIMIC-IV tienen registros de una sola visita, a menudo directamente a la UCI.

Objetivo del estudio:

• Desarrollar un modelo eficaz para predecir la mortalidad en pacientes sin historial de visitas previas.
• Aprovechar el conocimiento clínico para mejorar la predicción temprana de la mortalidad en pacientes del primer ingreso.
• Abordar el desafío de los datos limitados en la predicción de resultados para pacientes críticamente enfermos en su presentación inicial.

Principales métodos:

• Propuesta del modelo de Aprendizaje de Decisión Clínica Mejorado con Ontología Dual (DOCD).
• Utilización del aprendizaje de ontología dual para extraer representaciones jerárquicas de las taxonomías de diagnóstico y procedimientos.
• Implementación de un mecanismo de atención guiado a priori con regularización basada en probabilidad para la integración del conocimiento.
• Empleo de fusión de información para combinar datos demográficos, signos vitales y códigos médicos mejorados con conocimiento.

Principales resultados:

• DOCD logró un rendimiento superior en los conjuntos de datos MIMIC-III (AUROC: 0.9528, AUPRC: 0.8971) y MIMIC-IV (AUROC: 0.9817, AUPRC: 0.8857).
• Demostró una mejora significativa sobre los modelos de referencia existentes para la predicción de mortalidad en el primer ingreso.
• Proporcionó visualizaciones interpretables que se alinean con el conocimiento clínico establecido.

Conclusiones:

• DOCD aborda eficazmente el desafío de la predicción de mortalidad con un historial limitado del paciente.
• La integración del conocimiento clínico por parte del modelo mejora la precisión y la interpretabilidad de la predicción.
• DOCD ofrece un enfoque prometedor para intervenciones oportunas y mejores resultados para los pacientes en entornos de cuidados intensivos.