Ajuste de la Clasificación Errónea de Covariables en Modelos Predictivos de Aprendizaje Automático Basados en...

Área de la Ciencia:

• Informática Biomédica
• Investigación de Servicios de Salud
• Aprendizaje Automático en Atención Médica

Sus antecedentes:

• Los registros electrónicos de salud (REH) contienen datos valiosos pero son propensos a errores de clasificación errónea.
• Estos errores pueden introducir sesgos en los modelos predictivos, afectando la toma de decisiones clínicas.
• La predicción precisa de los resultados del paciente, como la adherencia a la detección del cáncer de pulmón, es crucial.

Objetivo del estudio:

• Desarrollar y evaluar métodos para ajustar los errores de clasificación errónea en covariables derivadas de REH.
• Reducir el sesgo en la modelización predictiva utilizando pesos grupales e individualizados.
• Mejorar la precisión de los modelos predictivos para la adherencia a la detección del cáncer de pulmón.

Principales métodos:

• Desarrolló métodos utilizando pesos grupales e individualizados basados en sensibilidad y especificidad para ajustar las covariables de los REH.
• Aplicó regresión logística, XGBoost y redes neuronales para predecir la adherencia a la detección del cáncer de pulmón.
• Utilizó el procesamiento del lenguaje natural (PLN) para la extracción de la categoría Lung-RADS y la ajustó utilizando pesos de regresión kernel y multinomial.
• Comparó modelos ajustados con modelos no ajustados (ingenuos) y de valor real (oráculo) utilizando las curvas del área bajo la curva característica operativa del receptor (AUROC).

Principales resultados:

• Los modelos ajustados superaron significativamente a los modelos ingenuos en varios tamaños de conjuntos de validación (10%, 20%, 30%).
• Las mejoras en el AUROC variaron del 0,3% al 10,4% en comparación con los modelos ingenuos.
• Los modelos ajustados redujeron la brecha de rendimiento en comparación con los modelos oráculo a 2,0%-7,5%.
• Los pesos individualizados demostraron una corrección de errores más precisa que los pesos grupales.

Conclusiones:

• El marco desarrollado mitiga eficazmente el sesgo de clasificación errónea en las covariables derivadas de REH.
• Los métodos mejoran la precisión predictiva de la adherencia a la detección del cáncer de pulmón sin requerir una revisión manual exhaustiva de los datos.
• Este enfoque ofrece una solución escalable para mejorar la fiabilidad de los modelos predictivos utilizando datos clínicos del mundo real.