Modelado predictivo basado en datos para hemorragia masiva intraoperatoria durante el trasplante hepático de donante...

Área de la Ciencia:

• Cirugía hepatobiliar
• Cirugía de trasplantes
• Informática médica

Sus antecedentes:

• La hemorragia intraoperatoria masiva (HMB) es un riesgo significativo en el trasplante de hígado (TH), lo que complica los resultados del paciente y la asignación de recursos.
• Los modelos tradicionales de estratificación de riesgos para HMB en TH a menudo carecen de la precisión para capturar relaciones complejas y no lineales entre los factores preoperatorios.
• El desarrollo de modelos predictivos avanzados es crucial para una mejor gestión del paciente y planificación quirúrgica en TH.

Objetivo del estudio:

• Desarrollar y validar modelos de aprendizaje automático basados en datos para predecir la HMB masiva durante el TLDV.
• Identificar los factores preoperatorios clave que contribuyen al riesgo de HMB masiva en pacientes con TLDV.
• Mejorar la estratificación del riesgo de HMB masiva en TLDV a través de métodos computacionales avanzados.

Principales métodos:

• Análisis de 290 casos consecutivos de TLDV de una base de datos prospectiva.
• Desarrollo de modelos de regresión logística utilizando 73 variables preoperatorias para predecir HMB masiva (≥ 80 mL/kg).
• Aplicación de selección de características por pasos hacia atrás con validación cruzada y divisiones aleatorias iterativas para identificar características predictivas estables.

Principales resultados:

• La HMB ocurrió en el 48.6% de los pacientes; la regresión logística estándar mostró problemas de multicolinealidad.
• El modelo de aprendizaje automático basado en datos logró un AUC promedio de 0.840 en validación y 0.738 en el conjunto de prueba.
• Un modelo final con 11 características estables arrojó un AUC de 0.844, con el desarrollo de una calculadora de riesgos en línea.

Conclusiones:

• El aprendizaje automático captura eficazmente las interacciones complejas de los factores preoperatorios para predecir la HMB masiva en TLDV.
• Los modelos desarrollados ofrecen una herramienta prometedora para mejorar la estratificación del riesgo en TLDV.
• Los enfoques basados en datos, como el aprendizaje automático, son valiosos para mejorar la precisión predictiva en escenarios quirúrgicos complejos.