Modelo de aprendizaje profundo predice con precisión la mortalidad por neumonía en radiografías de tórax

Las radiografías de tórax son una herramienta diagnóstica crucial para la neumonía adquirida en la comunidad (NAC), a pesar de su valor pronóstico incierto. Ahora, un modelo basado en aprendizaje profundo (DL) que utiliza radiografías de tórax iniciales ha demostrado potencial para predecir con precisión la mortalidad a los 30 días, superando la herramienta de predicción de riesgo bien establecida, la puntuación CURB-65.

Investigadores de la Universidad Nacional de Seúl (Seúl, Corea) crearon un modelo de DL utilizando datos de 7.105 pacientes de una institución, recopilados entre marzo de 2013 y diciembre de 2019. Estos datos se usaron para formar conjuntos de entrenamiento, validación y pruebas internas para predecir el riesgo. de mortalidad por todas las causas dentro de los 30 días posteriores al diagnóstico de NAC utilizando las radiografías de tórax iniciales de los pacientes. Luego, los investigadores evaluaron el modelo de DL en dos cohortes de prueba: 947 pacientes diagnosticados con NAC durante visitas al departamento de emergencias en la institución original entre enero de 2020 y diciembre de 2020, y 848 pacientes adicionales de dos instituciones separadas entre enero de 2020 y diciembre de 2020, y marzo de 2019 a Octubre de 2021. El estudio comparó el desempeño del modelo de DL con una puntuación de riesgo basada en la confusión, el nivel de urea, la frecuencia respiratoria, la presión arterial y la edad ≥ 65 años (puntuación CURB-65).

Imagen: El aprendizaje profundo podría guiar mejor la toma de decisiones clínicas en pacientes con neumonía (Fotografía cortesía de Freepik)

Los resultados demostraron que el modelo de DL, utilizando radiografías de tórax iniciales, podía predecir la mortalidad por todas las causas a los 30 días en pacientes con NAC con un área bajo la curva (AUC) entre 0,77 y 0,80 en las diferentes cohortes de prueba. Además, el modelo demostró una mayor especificidad (rango del 61 % al 69 %) que la puntuación CURB-65 (rango del 44 % al 58 %) con el mismo nivel de sensibilidad. Dados estos resultados, los investigadores sugieren que este modelo basado en DL podría ayudar mejor a los médicos en la toma de decisiones cuando trata pacientes con NAC.

“El modelo de aprendizaje profundo (DL) puede guiar la toma de decisiones clínicas en el manejo de pacientes con NAC mediante la identificación de pacientes de alto riesgo que requieren hospitalización y tratamiento intensivo”, dijo Eui Jin Hwang, MD, PhD, del Departamento de Radiología de Facultad de Medicina de la Universidad Nacional de Seúl.

Enlaces relacionados:
Universidad Nacional de Seúl