Nuevo modelo de IA predice el riesgo de mortalidad postoperatoria
Investigadores desarrollan una herramienta de inteligencia artificial para evaluar el riesgo de mortalidad después de una cirugía
19 de diciembre de 2023 – Investigadores del Smidt Heart Institute de Cedars-Sinai, la Universidad de Stanford y la Universidad de Columbia han creado un modelo de aprendizaje profundo (DL) que puede predecir el riesgo de mortalidad postoperatoria, según un estudio reciente publicado en Salud digital The Lancet.
Los investigadores han destacado la insuficiencia de los modelos de riesgo actuales para predecir la mortalidad después de un procedimiento médico o una cirugía. Con el objetivo de evaluar mejor el riesgo de mortalidad de los pacientes, el equipo de investigación ha desarrollado una herramienta de inteligencia artificial (IA) capaz de estratificar a los pacientes en categorías de riesgo.
«En la actualidad, los médicos tienen una capacidad limitada para predecir el resultado de un paciente después de una cirugía», afirmó el autor correspondiente David Ouyang, MD, cardiólogo del Departamento de Cardiología del Smidt Heart Institute en Cedars-Sinai. «Las herramientas de predicción de riesgos clínicos actuales son insuficientes. Este modelo de IA podría utilizarse para determinar qué pacientes deberían someterse a una intervención y cuáles podrían estar demasiado enfermos».
Eres más profundo
Para desarrollar esta herramienta, los investigadores se centraron en pacientes que habían recibido pruebas de diagnóstico electrocardiográficas preoperatorias. Al utilizar un electrocardiograma (ECG), que proporciona información sobre el funcionamiento del corazón de un paciente, el equipo de investigación planteó la hipótesis de que una herramienta de inteligencia artificial podría identificar patrones relevantes para predecir los resultados de los pacientes.
Este algoritmo de IA basado en electrocardiograma es el primero en predecir la mortalidad postoperatoria. Aunque se han utilizado algoritmos previamente para evaluar la mortalidad a largo plazo y los estados de enfermedades individuales, determinar los resultados después de una cirugía ayuda a tomar decisiones más informadas sobre si realizar o no la intervención quirúrgica.
El modelo de aprendizaje profundo fue construido emparejando los electrocardiogramas preoperatorios de los pacientes con información sobre sus resultados postoperatorios. Los datos utilizados en el estudio se obtuvieron de 45,969 pacientes del Cedars-Sinai Medical Center, quienes habían realizado un electrocardiograma de 12 derivaciones dentro de los 30 días previos a la cirugía entre enero de 2015 y diciembre de 2019.
El rendimiento del modelo se midió utilizando el área bajo la curva característica operativa del receptor (AUC) en un conjunto de datos de prueba y en dos cohortes adicionales de Stanford y Columbia. En general, la herramienta de IA obtuvo un alto rendimiento.
En la cohorte de prueba interna, el modelo predijo la mortalidad postoperatoria con un valor de AUC de 0,83, superando la puntuación del Índice de riesgo cardíaco revisado (RCRI), que alcanzó un AUC de 0,67. El modelo también tuvo un rendimiento similar en las cohortes de Stanford y Columbia, con AUC de 0,79 y 0,75, respectivamente.
El modelo de IA también funcionó de manera efectiva en diferentes tipos de procedimientos, con AUC de 0,85 para cirugía cardíaca, 0,83 para cirugía no cardíaca y 0,76 para procedimientos basados en cateterismo o endoscopia.
Los investigadores encontraron que los pacientes identificados como de alto riesgo por el algoritmo tenían una probabilidad casi nueve veces mayor de mortalidad postoperatoria. Estos resultados sugieren que el modelo tiene el potencial de mejorar la estratificación del riesgo y apoyar las decisiones clínicas sobre la realización de cirugías.
En el futuro, los investigadores planean desarrollar una aplicación web basada en este modelo de IA para que sea utilizada por médicos y pacientes.
Este estudio demuestra el potencial de las herramientas de aprendizaje profundo en el campo de la salud. Recientemente, investigadores de Mayo Clinic también utilizaron un modelo basado en redes neuronales profundas para predecir el éxito del tratamiento antihipertensivo. La hipertensión es un factor de riesgo importante para enfermedades cardiovasculares, por lo que el manejo adecuado de esta condición es crucial para evitar complicaciones. El modelo desarrollado por el equipo de investigación de Mayo Clinic identificó con precisión los tratamientos más exitosos para controlar la presión arterial sin efectos adversos moderados o graves.