Predicción de eventos de accidente cerebrovascular en pacientes con diabetes mellitus tipo 2 mediante el aprendizaje...

Área de la Ciencia:

• Imágenes cardiovasculares por imágenes.
• Aprendizaje automático en medicina.
• Investigación de la diabetes mellitus Investigación de la diabetes mellitus Investigación de la diabetes mellitus Investigación de la diabetes mellitus Investigación de la diabetes mellitus Investigación de la diabetes mellitus Investigación de la diabetes mellitus Investigación de la diabetes mellitus Investigación de la diabetes mellitus Investigación de la diabetes mellitus Investigación de la diabetes mellitus Investigación de la diabetes mellitus Investigación de la diabetes mellitus

Sus antecedentes:

• El accidente cerebrovascular es una de las principales causas de mortalidad, con una mayor incidencia en pacientes con diabetes mellitus tipo 2 (DMT2).
• Existe una investigación limitada sobre las características de las imágenes de las placas y el tejido adiposo perivascular (PVAT) en pacientes con DM2.
• Este estudio aborda la brecha al centrarse en los biomarcadores de imágenes para la predicción del accidente cerebrovascular en DM2.

Objetivo del estudio:

• Desarrollar y validar un modelo combinado basado en el aprendizaje automático para predecir eventos de accidente cerebrovascular agudo en pacientes con DM2.
• Evaluar la utilidad del modelo para estratificar a los pacientes en diferentes categorías de riesgo en función de los resultados del seguimiento.
• Para integrar la radiómica, las características de PVAT y los factores clínicos para una mayor precisión predictiva.

Principales métodos:

• Recopilación retrospectiva de 494 conjuntos de datos de angiografía por tomografía computarizada (CTA) de pacientes con DMT2 en múltiples centros.
• Extracción de las características de PVAT y determinación de la densidad de grasa perivascular (PFD) de la CTA.
• Desarrollo de un modelo combinado utilizando el aumento de gradiente extremo (XGBoost) integrando puntuaciones radiómicas, PFD y factores clínicos.
• Validación mediante capacitación, pruebas internas y dos cohortes de validación externas.

Principales resultados:

• Se seleccionaron siete características radiómicas para el modelo radiómico; el colesterol total y la hipertensión se identificaron como factores de riesgo independientes para el accidente cerebrovascular isquémico (IC).
• El modelo combinado logró una alta precisión, con AUCs que van desde 0.847 a 0.955 en diferentes cohortes.
• El análisis SHAP destacó las características radiómicas clave, y el análisis de Kaplan-Meier confirmó el valor pronóstico del modelo para la supervivencia libre de eventos.

Conclusiones:

• Un modelo XGBoost combinado que integra las características de PVAT y la radiómica predice con precisión los eventos de accidente cerebrovascular en pacientes con DM2.
• El modelo efectivamente estratifica a los pacientes en función del riesgo de accidente cerebrovascular, ofreciendo información pronóstica valiosa.
• Este enfoque mejora la comprensión de los biomarcadores de imágenes para la predicción del accidente cerebrovascular en la población de DMT2.