Desarrollo y validación de un nomograma para predecir la cirugía en la enfermedad de Crohn recién diagnosticada: un estudio de cohorte retrospectivo

La enfermedad de Crohn (EC), un trastorno inflamatorio crónico que afecta a todo el tracto gastrointestinal, tiene un curso progresivo y destructivo y su incidencia está aumentando en todo el mundo.1 Aunque el comportamiento patológico más común de los pacientes con EC recién diagnosticada es inflamatorio (B1 en la Clasificación de Montreal2), se observará una progresión rápida y prominente en el comportamiento patológico en aproximadamente la mitad de los pacientes dentro de los 10 años posteriores al diagnóstico.3-5 Los datos de una cohorte poblacional muestran que casi la mitad de los pacientes desarrollaron complicaciones intestinales, como estenosis y fístulas, en los 20 años posteriores al diagnóstico.3 A pesar de la aplicación de terapias inmunosupresoras de mantenimiento, más de la mitad de los pacientes sufren complicaciones graves y requieren resección intestinal6,7. En las últimas décadas, con la llegada de terapias biológicas dirigidas como los antagonistas del factor de necrosis tumoral, los anticuerpos monoclonales antiintegrina selectivos del intestino y los inhibidores de la señalización de IL-12 e IL-23, el tratamiento médico de la EC se ha revolucionado.8 Se ha demostrado que la aplicación más temprana y agresiva de productos biológicos o nuevas moléculas pequeñas y terapias combinadas induce una alteración profunda del curso natural de la enfermedad y disminuye la necesidad de hospitalización y cirugía entre pacientes con EC recién diagnosticada.9,10 Sin embargo, uno de los desafíos más difíciles en la llamada estrategia de tratamiento de arriba hacia abajo es la identificación de pacientes que tienen un alto riesgo de progresión de la enfermedad y, por lo tanto, necesitan un patrón de tratamiento más intensivo a pesar de los eventos adversos y los altos costos relacionados con la terapia. Desde otra perspectiva, no identificar a los pacientes de alto riesgo también retrasa la prescripción de terapias más efectivas y representa un aumento en el riesgo de progresión de la enfermedad.

Se han realizado muchos esfuerzos en el campo de la estratificación del riesgo inicial para la EC recién diagnosticada. Se ha descubierto que muchas características clínicas se correlacionan de forma independiente con el pronóstico, incluida la edad en el momento del diagnóstico, la ubicación de la enfermedad, el comportamiento de la enfermedad, el tabaquismo y los antecedentes de medicación.9,11,12 Mientras tanto, se han descubierto varios biomarcadores de pronóstico en estudios piloto, que abarcan moléculas relacionadas con el sistema inmunológico y niveles de expresión genética específicos.13,14 No obstante, los inconvenientes y los elevados gastos han impedido su plena validación y aplicación clínica. En consecuencia, la selección de la terapia todavía se adapta al paciente individual recién diagnosticado con EC en función de los factores de riesgo clínicos y las comorbilidades del paciente8, lo que está lejos de ser un tratamiento de precisión.

En esta era de la inteligencia artificial, se han desarrollado muchos modelos de aprendizaje automático para innovar en todos los campos de la enfermedad inflamatoria intestinal, como el diagnóstico, el seguimiento, la predicción y el tratamiento del curso de la enfermedad.15 Desafortunadamente, la mayoría de los modelos populares de predicción de aprendizaje automático son esencialmente cajas negras, que emiten veredictos acompañados de algunas justificaciones, lo que limita la confiabilidad clínica y, por lo tanto, obstruye la implementación clínica.16 Para equilibrar la efectividad con la conveniencia y la interpretabilidad, nuestro objetivo fue construir un modelo de regresión estadística de Cox bien interpretado junto con un nomograma basado en las características clínicas y los indicadores serológicos disponibles para predecir el pronóstico a largo plazo de la EC recién diagnosticada.