Modelos basados en aprendizaje automático para la pérdida de sangre intraoperatoria en adrenalectomía laparoscópica...

Área de la Ciencia:

• Urología
• Oncología Quirúrgica
• Ciencia de Datos

Sus antecedentes:

• La pérdida de sangre intraoperatoria (IBL) es un factor de riesgo significativo de complicaciones durante y después de la adrenalectomía laparoscópica retroperitoneal (RLA).
• La predicción precisa de la IBL es crucial para la seguridad del paciente y la planificación quirúrgica.

Objetivo del estudio:

• Identificar los factores de riesgo asociados con la IBL en pacientes de RLA.
• Desarrollar y comparar modelos de aprendizaje automático (ML) para predecir la IBL.

Principales métodos:

• Análisis retrospectivo de 530 casos de RLA (2014-2021).
• Selección de características mediante regresión LASSO.
• Desarrollo y evaluación de modelos de ML que incluyen regresión logística (LR), random forest (RF) y red neuronal (NN).

Principales resultados:

• El género, la experiencia del cirujano, el tipo de enfermedad, el diámetro de la lesión y la ubicación se identificaron como factores predictivos de alta IBL (≥100 ml).
• Los modelos LR, RF y NN demostraron un fuerte rendimiento predictivo con AUC de 0.775, 0.769 y 0.729, respectivamente.
• Se desarrolló un nomograma clínico y una calculadora en línea, que mostraron una excelente utilidad clínica.

Conclusiones:

• Los modelos de ML predicen eficazmente la IBL en RLA, lo que ayuda en la evaluación del riesgo quirúrgico.
• Estos modelos ofrecen una herramienta no invasiva para estrategias de tratamiento personalizadas.
• El estudio destaca el potencial del ML en la práctica clínica para procedimientos quirúrgicos.