Video Experimental Relacionado
Updated: Feb 24, 2026
04:09
Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.9K
Predicción del éxito de la litotricia extracorpórea por ondas de choque con un nomograma de aprendizaje automático:
Jan Svihra1, Peter Svihra2,3,4, Igor Sopilko1
1Jessenius Faculty of Medicine, Comenius University, Martin, Slovakia.
Central European journal of urology
|February 23, 2026
Resumen
Este estudio desarrolló un nomograma de aprendizaje automático para predecir el éxito de la litotricia extracorpórea por ondas de choque (LEOC) para cálculos renales. El nomograma mejora la selección de pacientes para la LEOC, optimizando los resultados del tratamiento.
Área de la Ciencia:
- Urología
- Informática Médica
- Aprendizaje Automático
Sus antecedentes:
- Los cálculos renales son una afección común que requiere un tratamiento eficaz.
- La litotricia extracorpórea por ondas de choque (LEOC) es una modalidad de tratamiento principal para los cálculos renales.
- Predecir el éxito de la LEOC es crucial para optimizar la selección de pacientes y la planificación del tratamiento.
Objetivo del estudio:
- Desarrollar y validar un nomograma clínico basado en aprendizaje automático (ML).
- Predecir la tasa de éxito de la litotricia extracorpórea por ondas de choque (LEOC) para cálculos renales.
- Optimizar la selección de pacientes y los resultados del tratamiento para la LEOC.
Principales métodos:
- Análisis retrospectivo de datos de LEOC de 102 pacientes con nefrolitiasis (enero de 2018 - septiembre de 2022).
- Análisis de datos demográficos de los pacientes, características de los cálculos (tamaño, área, ubicación, densidad) y parámetros de tratamiento (SSD, stent, hidronefrosis).
- Desarrollo de un modelo de ML utilizando Python y scikit-learn, con Análisis Discriminante Lineal (LDA) logrando una precisión de ~70%.
Principales resultados:
- Los predictores estadísticamente significativos del éxito de la LEOC con un solo tratamiento incluyeron el tamaño del cálculo, el área del cálculo y la distancia piel-cálculo (SSD).
- El nomograma desarrollado identificó una alta probabilidad de éxito para SSD ≤8 cm y área del cálculo ≤60 mm², excluyendo cálculos del polo inferior.
- El modelo LDA logró una precisión predictiva media de aproximadamente el 70%.
Conclusiones:
- Se desarrolló un nuevo nomograma basado en ML para predecir el éxito de la LEOC con un solo tratamiento.
- Esta herramienta clínica puede ayudar en la selección de pacientes y mejorar la eficacia del tratamiento de la LEOC.
- La capacidad predictiva del nomograma se puede refinar continuamente con datos clínicos acumulados.
