Predicción de riesgo en la nefropatía por IgA: de modelos convencionales a aprendizaje automático, aprendizaje...

Área de la Ciencia:

• Nefrología
• Informática Médica
• Inteligencia Artificial en Medicina

Sus antecedentes:

• La nefropatía por IgA (NIgA) es una enfermedad glomerular primaria que causa enfermedad renal terminal (ERT).
• La pronosticación precisa es vital para manejar la heterogeneidad clínica de la NIgA y los diversos resultados renales.
• Los modelos pronósticos existentes enfrentan limitaciones para capturar la progresión dinámica de la enfermedad.

Objetivo del estudio:

• Revisar la evolución de los modelos pronósticos para la nefropatía por IgA.
• Comparar los sistemas de puntuación tradicionales con los enfoques emergentes de aprendizaje automático (ML) y aprendizaje profundo (DL).
• Discutir el potencial de las herramientas impulsadas por IA para la gestión personalizada de la NIgA.

Principales métodos:

• Revisión de la literatura de modelos pronósticos en la nefropatía por IgA.
• Análisis de sistemas de puntuación clínica e histopatológica tradicionales.
• Evaluación de modelos de ML/DL que integran datos multiómicos, clínicos y de patología digital.

Principales resultados:

• Los modelos pronósticos han avanzado de herramientas estáticas dependientes de la línea de base a sistemas de IA dinámicos y ricos en datos.
• La Herramienta Internacional de Predicción de Nefropatía por IgA (IIgAN-PT) es un modelo clave validado a nivel mundial.
• Los modelos de ML/DL muestran una precisión mejorada y el potencial de seguimiento de riesgos en tiempo real y predicciones personalizadas.

Conclusiones:

• Los modelos pronósticos de próxima generación se están moviendo hacia la IA explicable, el modelado dinámico y la integración de datos multimodales.
• Las herramientas de predicción impulsadas por IA son cruciales para avanzar en la nefrología de precisión en la NIgA.
• Los modelos futuros tienen como objetivo proporcionar soporte de decisiones impulsado por IA en tiempo real para la atención individualizada de pacientes con NIgA.