Aprendizaje automático interpretable para predecir la interrupción placentaria en la preeclampsia de inicio temprano:...

Área de la Ciencia:

• Obstetricia y Ginecología
• Aprendizaje automático en atención médica
• Medicina Perinatal

Sus antecedentes:

• La preeclampsia de inicio temprano (EOPE) es una forma grave de preeclampsia asociada con riesgos maternos y fetales significativos, incluida la interrupción placentaria.
• La interrupción placentaria en casos de EOPE puede provocar complicaciones graves, lo que requiere mejores estrategias predictivas.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje automático interpretable (IML) para predecir la interrupción placentaria en pacientes con diagnóstico de EOPE.
• Identificar predictores clínicos clave para la interrupción placentaria en la cohorte de EOPE.

Principales métodos:

• Se realizó un análisis retrospectivo de 580 pacientes con EOPE, con datos divididos aleatoriamente en conjuntos de entrenamiento (70%) y validación (30%).
• Se utilizaron la regresión LASSO y el algoritmo Boruta para la selección de características, identificando predictores significativos.
• Se entrenaron y evaluaron seis algoritmos de aprendizaje automático utilizando AUC, puntuación F1, curvas de calibración y análisis de curvas de decisión (DCA).
• Se utilizaron SHapley Additive exPlanations (SHAP) para la interpretabilidad.

Principales resultados:

• Se identificaron ocho predictores óptimos: proteína urinaria, factor de crecimiento placentario (PlGF), presión arterial diastólica (PAD), edad, fibrinógeno (FIB), IMC pregestacional, gravedad de la enfermedad y tabaquismo durante el embarazo.
• El modelo de Random Forest (RF) demostró un rendimiento superior con un AUC de validación de 0.894.
• El análisis SHAP destacó la proteína urinaria, PlGF, FIB y PAD como predictores dominantes, con niveles específicos que se correlacionan con un mayor riesgo de interrupción.

Conclusiones:

• El modelo RF desarrollado basado en SHAP ofrece una alta precisión predictiva e interpretabilidad para la interrupción placentaria en la EOPE.
• Este enfoque interpretable y basado en datos facilita la evaluación de riesgos individualizada y puede mejorar las estrategias de detección temprana y manejo personalizado en entornos clínicos.