Modelos de Aprendizaje Automático Específicos por Sexo para Predecir Metástasis Distante en Cáncer de Hígado (GENDER-HCC-MET)

Diseño del estudio y objetivo:

Este fue un estudio de cohorte retrospectivo basado en la población que utilizó datos de la base de datos Surveillance, Epidemiology, and End Results (SEER). El objetivo principal fue comparar sistemáticamente la incidencia e identificar los determinantes específicos por sexo de la metástasis a distancia en pacientes con carcinoma hepatocelular (HCC). Un objetivo secundario fue desarrollar y validar modelos de predicción de aprendizaje automático (ML) separados y de alto rendimiento para el riesgo de metástasis a distancia adaptados a pacientes masculinos y femeninos.

Fuente de datos y participantes:

Los datos se extrajeron de 22 registros SEER que cubrían a pacientes diagnosticados con HCC entre 2004 y 2022. La inclusión requirió un diagnóstico patológico de HCC. Los criterios de exclusión clave fueron: datos faltantes sobre raza, estado civil, grado del tumor o estado quirúrgico; malignidad primaria no primera; y datos incompletos de estadificación TNM. Después de aplicar los criterios, se incluyeron 19,019 pacientes en el análisis final (14,575 hombres, 4,444 mujeres).

Variables y definiciones:

La variable de resultado fue el estado de metástasis a distancia en el momento del diagnóstico, dicotomizado como M0 (sin metástasis) o M1 (metástasis) según criterios consistentes de AJCC. Las variables predictoras incluyeron: edad, sexo, raza, grado del tumor, estado civil, tratamiento quirúrgico (categorizado como no cirugía, terapia local, resección quirúrgica o trasplante hepático), radioterapia, quimioterapia, ingreso anual del hogar y ubicación residencial (basada en el tamaño de la población). Para garantizar la comparabilidad entre las diferentes ediciones del manual de estadificación AJCC, el estadio T se agrupó como T0-2 (localizado) frente a T3-4 (localmente avanzado), y el estadio N como N0 frente a N1.

Análisis estadístico y de aprendizaje automático:

Se realizaron análisis de regresión logística univariante y multivariable para identificar factores independientemente asociados con la metástasis a distancia, estratificados por sexo.

Para el modelado predictivo, el conjunto de datos se dividió aleatoriamente en un conjunto de entrenamiento (80%) y un conjunto de prueba interno (20%). Se desarrollaron y compararon ocho algoritmos de aprendizaje automático: Regresión Logística, Bosque Aleatorio, XGBoost, LightGBM, AdaBoost, Árbol de Decisión, Árbol de Decisión de Potenciación del Gradiente (GBDT) y Perceptrón Multicapa. Los hiperparámetros del modelo se optimizaron mediante validación cruzada de 10 pliegues en el conjunto de entrenamiento. Los modelos finales se evaluaron en el conjunto de prueba independiente. El rendimiento del modelo se evaluó utilizando el Área Bajo la Curva Característica de Operación del Receptor (AUC), precisión, sensibilidad, especificidad, puntuación F1, curvas de calibración y Análisis de Curva de Decisión (DCA). La interpretabilidad del modelo de mejor rendimiento se mejoró utilizando Shapley Additive Explanations (SHAP).