Construir un modelo de predicción de pronóstico para pacientes con ECMO basado en algoritmos de aprendizaje automático

La oxigenación por membrana extracorpórea (ECMO) se utiliza para proporcionar soporte respiratorio y circulatorio extracorpóreo continuo a pacientes con insuficiencia cardiopulmonar grave. Es el método de soporte vital más importante en la medicina de cuidados intensivos y también uno de los métodos de tratamiento más complejos y costosos en la unidad de cuidados intensivos (UCI). Se necesitan muchos recursos para mantenerlo. Por lo tanto, es particularmente importante comprender estrictamente las indicaciones de los pacientes y predecir con precisión el pronóstico de los pacientes para ayudar en la toma de decisiones clínicas.

Varios estudios publicados anteriormente han utilizado puntuaciones clínicas para predecir el pronóstico de los pacientes con ECMO, pero la mayoría de ellos se centraron en los resultados de la ECMO en grupos de pacientes específicos, como el síndrome de dificultad respiratoria del adulto (SDRA), insuficiencia respiratoria, trasplante de pulmón, shock cardiogénico, etc. en. Además, la mayoría de estas estimaciones se calcularon utilizando métodos estadísticos tradicionales y tienen un poder de ajuste limitado para conjuntos de datos con variables más características.

La inteligencia artificial (IA) y el aprendizaje automático (ML) proporcionan una alternativa más avanzada a los métodos estadísticos tradicionales y tienen ventajas incomparables al tratar con conjuntos de datos con variables características de alta dimensión y datos no lineales. Y puede iterarse por sí solo para mejorar el rendimiento del modelo. Además, el ML, que puede procesar información basada en datos causales o estadísticos, puede revelar dependencias ocultas entre los indicadores clínicos y el pronóstico de la enfermedad y respaldar la toma de decisiones clínicas, se ha convertido en la mejor alternativa. Las medidas de resultado primarias fueron dados de alta vivos del hospital y fallecidos durante hospitalización. Se identificaron un total de 69 indicadores de características clínicas basándose en la literatura relevante y los conocimientos de expertos en ECMO en medicina de cuidados intensivos. Estos indicadores incluían datos demográficos como la edad, la altura, el peso y el historial médico de los pacientes con ECMO. Además, los indicadores de infección se evaluaron dentro de las 24 horas anteriores al inicio del soporte de ECMO y dentro de las 24 horas posteriores a su interrupción. Además, se incluyeron indicadores relacionados con la función cardíaca, renal y hepática, así como el tipo de shock (shock distributivo, shock hipovolémico, shock cardiogénico, shock obstructivo). Además, también se consideraron el volumen de líquido diario promedio dentro de los tres días posteriores al inicio del soporte de ECMO, la duración del soporte de ECMO y la duración de la estancia en la UCI.