Predicting shock index in pediatric intensive care units by thermal gradients

Abstract

El shock es una causa importante de morbilidad y mortalidad en las unidades de cuidados intensivos pediátricos, donde su reconocimiento tardío puede conducir rápidamente al deterioro hemodinámico y a la falla orgánica. Dado que las alteraciones en la perfusión periférica se reflejan en la distribución de la temperatura cutánea, la imagen térmica podría proporcionar un enfoque no invasivo para la detección temprana del shock.

Este estudio evalúa el uso de gradientes térmicos periféricos, específicamente la diferencia de temperatura entre el abdomen y el pie, como marcadores fisiológicos no invasivos para mejorar la predicción del choque. La perfusión periférica se refleja en la distribución de la temperatura cutánea, lo que proporciona el fundamento fisiológico para utilizar mediciones termográficas como marcadores indirectos del estado circulatorio. Con base en este fundamento, los gradientes térmicos abdomen–pie y las variables clínicas basales se utilizaron como entradas de varios modelos de aprendizaje automático entrenados para estimar el estado futuro de choque en diferentes horizontes de predicción. El objetivo de predicción se definió como un desenlace binario derivado del índice de choque (SI, por sus siglas en inglés), calculado como la razón entre la frecuencia cardíaca y la presión arterial sistólica. Para desarrollar estos modelos predictivos, se utilizó un conjunto de datos estructurado temporalmente. En la línea de base (t = 0), se registraron las intensidades térmicas extraídas de imágenes termográficas de las regiones del abdomen y del pie, junto con la frecuencia del pulso y la edad del paciente. Estas mediciones térmicas extraídas, y no las imágenes termográficas originales, constituyeron los datos térmicos de entrada. Posteriormente, se obtuvieron mediciones de presión arterial sistólica y frecuencia cardíaca en horizontes temporales futuros de 30 minutos, 3 horas, 6 horas y 12 horas, lo que permitió calcular el índice de choque en cada punto temporal y convertirlo en los correspondientes objetivos binarios de predicción.

El desempeño de los modelos se comparó entre las distintas ventanas de predicción, y la importancia de las variables se analizó sistemáticamente mediante valores SHAP para interpretar la contribución de las variables térmicas y clínicas a lo largo del tiempo. También se realizó un estudio de ablación para evaluar el impacto de incluir o excluir características derivadas de la temperatura en los modelos evaluados.

En conjunto, los hallazgos respaldan el potencial de combinar gradientes térmicos con signos vitales convencionales para mejorar la identificación temprana y confiable de pacientes pediátricos en riesgo de choque. Este enfoque resalta el valor clínico del monitoreo térmico no invasivo integrado con aprendizaje automático para apoyar la toma de decisiones en cuidados intensivos pediátricos.