Modelos de fundación tabulares como un nuevo estándar portátil en la predicción de riesgos quirúrgicos locales

Área de la Ciencia:

• La inteligencia artificial en la medicina.
• Resultados Quirúrgicos Investigación de Resultados Quirúrgicos
• Informática de la salud Informática de la salud.

Sus antecedentes:

• La estratificación del riesgo quirúrgico es a menudo específica de la localidad, con una infraestructura global limitada para una evaluación preoperatoria precisa.
• Los modelos de fundación entrenados en grandes conjuntos de datos sintéticos ofrecen potencial para la predicción de riesgos específicos del dominio.
• Es crucial evaluar la utilidad de los modelos de base tabulares para la estratificación del riesgo local en cirugía de emergencia.

Objetivo del estudio:

• Evaluar el papel de un modelo de fundación tabular basado en transformadores en la mejora de la estratificación del riesgo local para la cirugía de emergencia.
• Para comparar el rendimiento del modelo de base con los métodos tradicionales como la regresión logística y el aumento de gradiente.
• Determinar la efectividad del modelo en diversas cohortes específicas del sitio, incluidas aquellas con datos limitados.

Principales métodos:

• Se aplicó un modelo de fundación tabular basado en transformador a los datos institucionales de la base de datos del Programa Nacional de Mejora de la Calidad Quirúrgica del Colegio Americano de Cirujanos.
• El rendimiento se comparó con la regresión logística y los modelos XGBoost.
• Las comparaciones incluyeron el rendimiento general, cohortes específicas del sitio (n = 5) y modelos entrenados en datos de un solo sitio versus datos de múltiples sitios.
• Los principales resultados evaluados fueron la mortalidad y la morbilidad a los 30 días.

Principales resultados:

• El modelo de base tabular demostró un rendimiento superior en la predicción de morbilidad y mortalidad a los 30 días, logrando un mayor área bajo la curva característica de funcionamiento del receptor (0.82-0.89) y las curvas de precisión-recall (0.35-0.68).
• El modelo exhibió una excelente calibración, con puntuaciones Brier más bajas (0.04-0.15) en comparación con los modelos tradicionales.
• Su alto rendimiento se mantuvo en conjuntos de datos específicos de sitios más pequeños, con modelos entrenados en un solo sitio que se desempeñaron de manera comparable a los modelos tradicionales entrenados en múltiples sitios.

Conclusiones:

• Los modelos de fundación tabulares pueden mejorar el acceso a la estratificación del riesgo quirúrgico de alto rendimiento.
• Este enfoque portátil maneja eficazmente los datos faltantes y muestra un fuerte rendimiento comparativo, incluso en conjuntos de datos más pequeños.
• Los modelos de la Fundación ofrecen una vía prometedora para mejorar la evaluación del riesgo preoperatorio en cirugía de emergencia a nivel mundial.