PANCREATIA: UN ALGORITMO DE PREDICCIÓN DE LA GRAVEDAD DE LA PANCREATITIS AGUDA UTILIZANDO TÉCNICAS DE INTELIGENCIA ARTIFICIAL
1Servicio de Cirugía Hepatobiliopancreática y Trasplantes, Hospital Vall d’Hebron. Barcelona. 2Departamento de Tecnologías de la Información y las Comunicaciones, Universidad Pompeu Fabra. Barcelona. 3Vall d’Hebron Institute of Research. Barcelona. 4Departamento de Tecnologías de la Información y las Comunicaciones, Universidad Pompeu Fabra. Barcelona. 5, Servicio de Cirugía Hepatobiliopancreática y Trasplantes, Hospital Vall d’Hebron. Barcelona.
Introducción: Hay un interés creciente en la creación de scores que permitan predecir de forma precisa la gravedad y mortalidad de la pancreatitis aguda. Actualmente se dispone y se han aplicado en varios campos de la salud modelos de predicción basados en inteligencia artificial creados a partir de bases de datos, que mejoran sus resultados y capacidad predictiva con la experiencia. “Pancreatia” es un algoritmo de inteligencia artificial que pretende, gracias a técnicas de machine learning, ofrecer un sistema de predicción de gravedad de la pancreatitis aguda a partir características basales del paciente, sin requerir de analíticas ni de pruebas complementarias para una primera aproximación.
Métodos: Para diseñar el algoritmo se empleó una base de datos prospectiva. Posteriormente se trabajó con ella utilizando diferentes metodologías de Machine Learning (X- GBoost, Extra- Trees, Random Forest y regresión logística...). Los modelos creados se diseñaron para establecer lo que se denominaron stages secuenciales, que incorporan más información de forma progresiva a medida que la enfermedad evoluciona y se dispone de más datos de cada paciente, siendo así un modelo dinámico. Hasta el momento se han desarrollado 3 modelos (del estadio 0 al 2).
Resultados: En total se identificaron 634 casos. Tras descartar aquellos con variables nulas nos quedó una muestra de 475 pacientes. Para el Stage 0 se obtuvo una AUC = 0,722 para pancreatitis grave y AUC = 0,747 para mortalidad y, para la predicción de ingreso en UCI se obtuvo una AUC = 0,724. Para el Stage 1 el AUC = 0,639 para pancreatitis grave, para mortalidad una AUC de 0,753 y para ingreso en UCI una AUC = 0,841. Finalmente, para el Stage 2, se obtuvo una AUC = 0,818 para pancreatitis grave, una AUC = 0,898 para mortalidad y una AUC = 0,872 para predecir el ingreso en UCI.
Conclusiones: Los algoritmos de inteligencia artificial basados en machine learning ofrecen buen rendimiento a la hora de predecir la severidad de pancreatitis aguda. La importancia de nuestros hallazgos estriba en que se obtienen maños AUC que en otros scores diseñados y empleados hasta el momento empleando datos y características basales del paciente.
