Un modelo de aprendizaje automático para identificar embolia pulmonar en pacientes ingresados en cuidados intensivos

Área de la Ciencia:

• Medicina de Cuidados Críticos
• Aprendizaje automático en la atención médica
• Diagnóstico de embolia pulmonar

Sus antecedentes:

• La embolia pulmonar (EP) es una causa importante de mortalidad prevenible.
• Los modelos de predicción estadística existentes para la EP han demostrado una validez inconsistente.
• La identificación precisa de la EP en pacientes en estado crítico sigue siendo un desafío.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje automático (ML) para identificar EP aguda en pacientes de unidad de cuidados intensivos (UCI).
• Evaluar si los modelos de ML entrenados con datos clínicos recopilados de rutina pueden detectar EP con precisión.
• Comparar el rendimiento del modelo de ML con las puntuaciones de riesgo de EP establecidas.

Principales métodos:

• Se utilizaron dos conjuntos de datos multicéntricos (cohortes de desarrollo y validación externa).
• Se extrajeron características de datos demográficos, comórbidos y fisiológicos/de laboratorio posteriores al ingreso en la UCI.
• Se entrenaron modelos de ML de regresión logística y se comparó el rendimiento (AUROC, AUCPR) con dos puntuaciones de riesgo de EP de referencia.

Principales resultados:

• El modelo de ML logró un AUROC de 0.829 en la cohorte de desarrollo y 0.819 en la cohorte de validación externa.
• El rendimiento superó significativamente las puntuaciones de riesgo de referencia (AUROC 0.704 y 0.667).
• El modelo demostró una discriminación superior, como lo indican los valores más altos del área bajo la curva de precisión-recuperación.

Conclusiones:

• Los modelos de aprendizaje automático pueden detectar EP con precisión en pacientes de UCI utilizando datos clínicos recopilados de rutina.
• El modelo de ML desarrollado es una herramienta validada que supera las puntuaciones de riesgo de referencia existentes.
• Este modelo de ML tiene potencial como una ayuda valiosa para evaluar la probabilidad de EP en pacientes en estado crítico.