Objetivos: La predicción de respuesta a las recientes terapias anti-CGRP es un tema de interés en el campo de la migraña. Estudios previos realizados en nuestro grupo han desarrollado una herramienta predictora de respuesta a anticuerpos anti-CGRP utilizando un enfoque basado en técnicas de machine learning. El objetivo del presente estudio fue validar esta herramienta y su utilidad en pacientes con migraña crónica (MC) y episódica (ME).

Material y métodos: Estudio multicéntrico, de cohorte retrospectivo, con pacientes con migraña procedentes de 9 unidades de cefaleas, diferentes a la cohorte de generación del modelo. Se obtuvo la sensibilidad (S), especificidad (E) y valores predictivos positivo (VPP) y negativo (VPN) globales y para los distintos grupos.

Resultados: Se incluyeron 127 pacientes con migraña, 104 (81,88%) con MC, 108 (85,03%) mujeres y edad media 53,73 (DE 13,84) años. En la valoración del algoritmo de respuesta global superior al 50% a los 6 meses, la S global fue del 78,04% y la E global del 80%. El área bajo la curva (AUC) fue de 0,790, IC [0,726-0,849) y F1 ponderado de 79% en la cohorte de validación, con un AUC de 0,819, IC [0,762-0,884] y F1 ponderado de 81,88% en MC y AUC de 0,592, IC [0,322-0,842] con F1 ponderado de 68,97% en ME.

Conclusión: Nuestro estudio confirma la validez externa del modelo predictivo de respuesta a anti-CGRP en una cohorte distinta a la de generación del algoritmo. La S y E del modelo predictivo fueron mayores en el grupo de pacientes con MC. Futuros modelos podrían mejorar la capacidad predictiva de esta herramienta en los pacientes con ME.