Publicación:

APRENDIZAJE AUTOMÁTICO Y DATOS CLÍNICOS: UN ENFOQUE EN LA PREDICCIÓN DE LA MORTALIDAD DE PACIENTES CON SEPSIS EN UCI.

Resumen

La sepsis es una condición crítica y potencialmente mortal que se presenta comúnmente en las Unidades de Cuidados Intensivos (UCI). Los profesionales de la salud enfrentan desafíos significativos no solo debido al gran volumen de datos clínicos, sino también por la complejidad inherente de la enfermedad y su naturaleza sistémica. Estos factores crean un entorno desafiante que complica los procesos de toma de decisiones, especialmente cuando se trata de predecir la mortalidad de los pacientes. Dada la importancia crítica de la predicción temprana de la mortalidad para mejorar los resultados de los pacientes, esta investigación tiene como objetivo predecir la mortalidad en pacientes con sepsis en UCI con 12, 24 y 48 horas de anticipación mediante modelos de aprendizaje automático basados en datos clínicos. El estudio se llevó a cabo utilizando la base de datos Medical Information Mart for Intensive Care, que incluye datos de 7,511 pacientes con sepsis en UCI de un solo hospital, y la base de datos Electronic Intensive Care Unit Collaborative Research, que contiene datos de 3,786 pacientes con sepsis en UCI de múltiples hospitales. Se evaluaron ocho modelos de aprendizaje automático supervisado basados en el área bajo la curva, donde Light Gradient Boosted Machine demostró el mejor rendimiento en todos los puntos críticos de tiempo. Además, superó al Sequential Organ Failure Assessment en la predicción de la mortalidad. Esta investigación resalta el potencial del aprendizaje automático para mejorar la predicción de la mortalidad en pacientes con sepsis en UCI, permitiendo una toma de decisiones oportuna y, en última instancia, mejorando los resultados de los pacientes.