Predecir las trayectorias de los síntomas después de la cirugía toracoscópica del cáncer de pulmón mediante un modelo de aprendizaje automático interpretable

La cirugía toracoscópica del cáncer de pulmón es un enfoque ampliamente utilizado para tratar el cáncer de pulmón temprano y localmente avanzado. A pesar de las ventajas de la cirugía toracoscópica, como la mínima invasión y la rápida recuperación, los pacientes aún sufren una variedad de síntomas como dolor, dificultad para respirar, trastornos del sueño o fatiga después de la cirugía, lo que afecta gravemente a la calidad de vida. Sin embargo, faltan herramientas predictivas validadas para identificar pacientes potencialmente de alto riesgo. Se prevé que este estudio incluya aproximadamente 1500 pacientes con cáncer de pulmón que se someten a cirugía toracoscópica. Se invita a los pacientes a completar el módulo del Inventario de síntomas de cáncer de pulmón del MD Anderson después de la cirugía toracoscópica. Los síntomas de interés incluyen dolor, dificultad para respirar, alteraciones del sueño y fatiga. Los síntomas moderados a graves se definieron como una puntuación ≥ 4. El modelado mixto de clases latentes (LCMM), una técnica de agrupación, puede identificar subgrupos de pacientes con trayectorias de síntomas similares basándose en datos longitudinales de resultados informados por el paciente (PRO). Se desarrollaron modelos de aprendizaje automático para predecir las trayectorias de los síntomas posoperatorios basándose en la información recopilada, incluida información demográfica y clínica, y datos operativos. Los modelos de aprendizaje automático incluyen principalmente bosques aleatorios, máquinas de vectores de soporte, redes neuronales, XGBoost, etc. Se selecciona el modelo más apropiado y se realiza la interpretación del modelo utilizando el método SHAP. La predicción eficaz de los síntomas posoperatorios puede ayudar a identificar pacientes de alto riesgo y tomar medidas preventivas.