Hacia un sistema de apoyo a la decisión clínica basado en IA explicable para predecir resultados adversos en la...

Área de la Ciencia:

• Informática Clínica
• Inteligencia Artificial en Medicina
• Nefrología

Sus antecedentes:

• La rabdomiólisis presenta riesgos significativos de morbilidad y mortalidad, a menudo debido a la lesión renal aguda.
• Los métodos actuales de estratificación del riesgo para la rabdomiólisis son insuficientes para datos complejos de pacientes.
• La identificación temprana de pacientes de alto riesgo es crucial para una intervención oportuna.

Objetivo del estudio:

• Desarrollar y validar un modelo de IA explicable (XAI) para predecir un resultado compuesto de terapia de reemplazo renal o mortalidad a 90 días en pacientes con rabdomiólisis.
• Sentar las bases para un sistema de apoyo a la decisión clínica (CDSS) basado en XAI.
• Permitir la puntuación de riesgo en tiempo real en el punto de atención.

Principales métodos:

• Se utilizaron datos de admisión disponibles de forma rutinaria de 1031 pacientes adultos.
• Se aplicó imputación multivariante, selección de características Boruta y ADASYN para el desequilibrio de clases.
• Se desarrolló y evaluó un modelo de aprendizaje automático CatBoost, empleando SHAP para la explicabilidad.

Principales resultados:

• El modelo CatBoost demostró un alto rendimiento predictivo (AUC=0.942, precisión=0.913).
• Los predictores clave identificados por SHAP incluyen creatinina, troponina T y albúmina, lo que se alinea con el conocimiento clínico.
• El análisis de curvas de decisión indicó un beneficio neto superior en comparación con las estrategias existentes.

Conclusiones:

• Un modelo de IA interpretable puede predecir eficazmente resultados graves de rabdomiólisis, mejorando la toma de decisiones clínicas.
• El marco propuesto permite la integración en registros de salud electrónicos para la evaluación de riesgos en tiempo real.
• Es necesario refinar el modelo específico para la edad, lo que resalta la importancia de la IA transparente en la atención médica.