Desarrollo y validación de un modelo pronóstico para la insuficiencia hepática aguda sobre crónica

Área de la Ciencia:

• Hepatología
• Aprendizaje Automático en Medicina
• Modelado Pronóstico

Sus antecedentes:

• La evaluación pronóstica de la insuficiencia hepática aguda sobre crónica (IHACF), especialmente en áreas endémicas del virus de la hepatitis B (VHB), es un desafío.
• Los modelos convencionales muestran una precisión limitada en la predicción de los resultados a corto plazo para pacientes con IHACF-VHB.

Objetivo del estudio:

• Desarrollar y validar un novedoso modelo de aprendizaje automático para mejorar la predicción individualizada de los resultados a corto plazo en la IHACF-VHB.
• Incorporar indicadores de la función de reserva hepática en el modelo pronóstico.

Principales métodos:

• Recopilación retrospectiva de datos de 496 pacientes con IHACF-VHB para entrenamiento y 52 para validación externa.
• Evaluación sistemática de 12 algoritmos de aprendizaje automático, con el modelo óptimo seleccionado mediante el enfoque LASSO-RF.
• Identificación de variables predictivas clave utilizando valores SHAP y comparación con las puntuaciones MELD y CTP.

Principales resultados:

• El modelo final LASSO-RF logró una alta precisión predictiva con un AUC de 0.99 en la cohorte de entrenamiento y 0.98 en la cohorte de validación para la mortalidad a 90 días.
• El modelo superó significativamente a los sistemas de puntuación establecidos como MELD y CTP.
• Se desarrolló una calculadora web interactiva para la aplicación clínica, que proporciona puntuaciones de riesgo en tiempo real.

Conclusiones:

• Los indicadores de la función de reserva hepática son cruciales para pronosticar los resultados de la IHACF-VHB.
• El modelo de aprendizaje automático desarrollado y la herramienta en línea ofrecen una estratificación de riesgos precisa para pacientes con IHACF-VHB.
• La herramienta facilita decisiones de manejo clínico oportunas e individualizadas.