Predecir la progresión temprana del queratocono utilizando la biomecánica a través del aprendizaje múltiple de...

Área de la Ciencia:

• Oftalmología Oftalmología.
• Ingeniería Biomédica Ingeniería Biomédica.
• Ciencia de datos Ciencia de datos.

Sus antecedentes:

• El queratocono es una enfermedad corneal progresiva.
• La detección temprana de la progresión del queratocono es crucial para una intervención oportuna.
• Los métodos actuales pueden no predecir de manera confiable la progresión temprana de la enfermedad.

Objetivo del estudio:

• Desarrollar y validar un índice basado en el aprendizaje automático para predecir la progresión temprana del queratocono.
• Para utilizar datos biomecánicos y tomográficos de la córnea para la predicción.
• Establecer una herramienta confiable para la evaluación inicial del paciente.

Principales métodos:

• Un estudio de cohorte prospectivo multicéntrico que involucró a 247 ojos.
• Se recogen datos biomécnicos (Corvis ST) y tomográficos (Pentacam).
• Algoritmos de aprendizaje automático aplicados (Random Forest, XGBoost, etc.) para predecir la progresión.

Principales resultados:

• El modelo de Bosque Aleatorio, denominado BEPI, mostró el mayor rendimiento predictivo.
• BEPI logró una alta sensibilidad (0.989) y especificidad (0.985) en la cohorte de entrenamiento.
• En la validación externa, el BEPI demostró una precisión de 0,941 y una puntuación de 0,947 F1.

Conclusiones:

• El BEPI predice con precisión la progresión temprana del queratocono utilizando la biomecánica corneal.
• BEPI ofrece un nuevo índice para evaluar la progresión de la enfermedad en la primera visita.
• Esta herramienta facilita las decisiones clínicas personalizadas para mejorar el pronóstico del paciente y preservar la visión.