Modelo de predicción de PPC en pacientes sometidos a trasplante de pulmón mediante aprendizaje automático

Después del primer informe sobre trasplante de pulmón en humanos en 1963, los rápidos avances en agentes inmunosupresores desde mediados de la década de 1990 han llevado a avances significativos tanto en la cantidad como en la calidad de los trasplantes de pulmón. En 2004, se notificaron en todo el mundo un total de 1.815 trasplantes de pulmón. Los pacientes sometidos a un trasplante de pulmón suelen ser personas de edad avanzada y a menudo experimentan no sólo una función pulmonar deteriorada sino también una inestabilidad general de su salud. A pesar de los resultados exitosos del trasplante de pulmón, la aparición de complicaciones pulmonares después de la cirugía puede provocar un deterioro o incluso consecuencias fatales.

Las complicaciones pulmonares posoperatorias (CPP) pueden provocar una hospitalización prolongada, un aumento de las complicaciones y la necesidad de tratamiento adicional. Varios factores están asociados con el desarrollo de CPP después del trasplante de pulmón, incluida la edad, el tabaquismo, enfermedades pulmonares preexistentes (como enfermedad pulmonar obstructiva crónica, fibrosis pulmonar, etc.), uso de fármacos inmunosupresores después del trasplante, diabetes, hipertensión, enfermedades pulmonares. hipertensión, enfermedades cardíacas, infecciones, alergias y trastornos inmunológicos. El análisis retrospectivo de historias clínicas de pacientes adultos sometidos a trasplante de pulmón tiene como objetivo investigar las características de los pacientes, los métodos de anestesia, las pruebas intraoperatorias y la aparición de CPP. El objetivo es analizar la incidencia y los factores de riesgo de complicaciones respiratorias postoperatorias y desarrollar un modelo predictivo mediante aprendizaje automático.