fbpx

Utilización de un Algoritmo de Machine Learning para el Diagnóstico de Infarto, ¿Seguiremos Siendo Útiles?

 

 

Las variaciones en la concentración de troponina plasmática vinculadas a la edad, sexo y tiempo entre 2 determinaciones en pacientes con sospecha de infarto agudo de miocardio no son consideradas al momento de la estrategia de diagnóstico. 

El objetivo de este estudio fue combinar estas variables y analizarlas mediante un algoritmo de machine learning con el objetivo de mejorar el diagnóstico en estos pacientes.

El algoritmo de machine learning utilizado fue el Índice de Injuria Miocárdica Isquémica o M3 (Myocardial-Injury-Ischemic Index), en donde se analizó la edad del paciente, el sexo, y 2 muestras pareadas de troponina I de alta sensibilidad (TnI-AS). Fue desarrollado con los datos de 3013 pacientes y validado en 7998 pacientes con sospecha de infarto agudo de miocardio (IAM).

El algoritmo M3 arrojaba valores de 0 a 100 que reflejaban la probabilidad de cada paciente de presentar un IAM tipo I, y estimaba a su vez la sensibilidad, el valor predictivo positivo (VPP) y el valor predictivo negativo (VPN) para ese paciente. La determinación se realizaba mediante un método de calibración y la objetivación del área bajo la curva ROC (AUC). Como objetivos secundarios, M3 evaluaba los diferentes puntos de corte obtenidos desde los datos de pacientes en los que se desarrolló el algoritmo, estratificando a los pacientes analizados como de bajo riesgo isquémico (99% sensibilidad) y alto riesgo (VPP 75%) de presentar IAM. Los datos obtenidos de esta estratificación fueron comparados con el algoritmo de rule out  de la Sociedad Europea de Cardiología (ESC).

El IAM ocurrió en 404 pacientes (13.4%) de la cohorte de desarrollo, y en 849 (10.6%) de la cohorte de validación y análisis. El algoritmo M3 fue calibrado con una curva AUC muy elevada de 0.963 (0.956 a 0.971) con un comportamiento similar en la cohorte de análisis. Los puntos de corte que arrojó el algoritmo M3 para estratificar pacientes de bajo y alto riesgo de presentar IAM fue de 1.6 y 49.7, respectivamente.

En la cohorte de análisis, los valores de M3 fueron menores a 1.6 en 69.5% pacientes, con un VPN de 99.7% (99.5 a 99.8%) y una sensibilidad de 97.8% (96.7 a 98.7%). Los valores mayores a 49.7 en el 10.6%, con un VPP de 71.8% (68.9 a 75%) y una especificidad de 96.7% (96.3 a 97.1%).

Mediante el uso de estos valores de corte establecidos, el comportamiento predictivo del algoritmo M3 fue superior al algoritmo de 0/3 horas propuesto por la ESC, con una sensibilidad de 82.5% (74.5 a 88.8%) y una especificidad de 92.2% (90.7 a 93.5%).

De este estudio podemos destacar:

  • Mediante la utilización de un algoritmo de machine learning se puede objetivar de forma individualizada y precisa la probabilidad de nuestros pacientes de padecer un infarto agudo de miocardio.
  • El mismo podría podría ser de utilidad como una estrategia de tamizaje y estratificación de riesgo en las unidades de dolor torácico.

Dejamos el link al artículo original:https://bit.ly/2mcfypg

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

EnglishPortugueseSpanish
Scroll Up