Modelo basado en aprendizaje automático de estimación de riesgo de mortalidad en pacientes con trauma craneoencefálico, Hospital Ethel Kandler
DOI:
https://doi.org/10.5377/wani.v1i81.18462Palabras clave:
Algoritmos, cerebro, predicciónResumen
La Inteligencia Artificial y la medicina han encontrado varios puntos en los que convergen, cambiando el concepto de salud. Entre los problemas de atención inmediata se encuentran los traumas craneoencefálicos (TCE), que constituyen un importante problema de salud pública en todos los países, cada día en el mundo, alrededor de 16.000 personas mueren por traumatismos. Este estudio tiene como objetivo desarrollar un modelo basado en Aprendizaje Automático para estimar la probabilidad de riesgo de mortalidad en pacientes con TCE. El proyecto se desarrolló en el Hospital Ethel Kandler del municipio Corn Island del Región Autónoma Costa Caribe Sur, bajo la metodología SCRUM, la cual permitió la retroalimentación continua del modelo propuesto, los algoritmos de Aprendizaje Automático seleccionados para la construcción del modelo fueron el Random Forest y K-NN, el conjunto de datos para el modelo inicial fue el CRASH-2, todo el análisis y procesamiento se realizó en Python. Se ha demostrado que el modelo es capaz de predecir con una precisión aceptable la probabilidad de mortalidad en pacientes con TCE, sin embargo, Random Forest tuvo un mejor desempeño; en promedio tuvo una efectividad del 87,06%, mientras que la K-NN fue del 77,87%. Los resultados fueron prometedores, y el estudio ofrece una perspectiva alentadora para el desarrollo de futuros modelos de predicción basados en Aprendizaje Automático. Es importante destacar que este modelo es complementario a la toma de decisiones clínicas y no debe reemplazar el juicio clínico.
Descargas
Citas
Álvarez Vega, M., Quirós Mora, L. M., & Cortés Badilla, M. V. (2020). Inteligencia artificial y aprendizaje automático en medicina. Revista Medica Sinergia, 5(8), e557. https://doi.org/10.31434/rms.v5i8.557
Amorim, R. L., Oliveira, L. M., Malbouisson, L. M., Nagumo, M. M., Simoes, M., Miranda, L., Bor-Seng-Shu, E., Beer-Furlan, A., De Andrade, A. F., Rubiano, A. M., Teixeira, M. J., Kolias, A. G., & Paiva, W. S. (2020). Prediction of Early TBI Mortality Using a Machine Learning Approach in a LMIC Population. Frontiers in Neurology, 10(January), 1–9. https://doi.org/10.3389/fneur.2019.01366
Arias, V., Salazar, J., Garicano, C., Contreras, J., Chacón, G., Chacín Gonzáles, L., Anez, R., Rojas, J., & Bermudez Pinela, V. (2019). Una introducción a las aplicaciones de la inteligencia artificial en Medicina: Aspectos históricos. Revista Latinoamericana de Hipertensión, 14. https://www.redalyc.org/articulo.oa?id=170262877013
Avila-Tomás, J. F., Mayer-Pujadas, M. A., & Quesada-Varela, V. J. (2020). Artificial intelligence and its applications in medicine I: introductory background to AI and robotics. Atencion Primaria, 52(10), 778–784. https://doi.org/10.1016/j.aprim.2020.04.013
Ávila-Tomás, J. F., Mayer-Pujadas, M. A., & Quesada-Varela, V. J. (2021). Artificial intelligence and its applications in medicine II: Current importance and practical applications. Atencion Primaria, 53(1), 81–88. https://doi.org/10.1016/j.aprim.2020.04.014
Borja Santillán, M. A., Plúas Cobo, K. J., Vintimilla Herrera, B. P., & Rodríguez Orellana, G. G. (2021). Traumatismo craneoencefalico y complicaciones en accidentes moticiclisticos con y sin casco Hospital León Becerra Milagro 2018-2020. Recimundo, 5(1), 17–30. https://doi.org/10.26820/recimundo/5.(esp.1).nov.2021.17-30
Bravo Neira, A. G., Herrera Macera, S. P., Álvarez Ordoñez, W. J., & Delgado Conforme, W. A. (2019). Traumatismo Craneoencefálico: Importancia de su Prevención y Tratamiento. Recimundo, 3(2), 467–483. https://doi.org/10.26820/recimundo/3.(2).abril.2019.467-483
Charry, J. D., Cáceres, J. F., Salazar, A. C., López, L. P., & Solano, J. P. (2019). Trauma craneoencefálico. Revisión de la literatura. Revista Chilena de Neurocirugía, 43(2), 177–182. https://doi.org/10.36593/rev.chil.neurocir.v43i2.82
Díaz, R. (November 1, 2023.). Algoritmo KNN. The Machine Learners. https://www.themachinelearners.com/algoritmo-knn/
Giner, J., Mesa Galán, L., Yus Teruel, S., Guallar Espallargas, M. C., Pérez López, C., Isla Guerrero, A., & Roda Frade, J. (2022). El traumatismo craneoencefálico severo en el nuevo milenio. Nueva población y nuevo manejo. Neurología, 37(5), 383–389. https://doi.org/10.1016/j.nrl.2019.03.012
Herrera Martínez, M. P., Ariza Hernández, A. G., Rodríguez Cantillo, J. J., & Pacheco Hernández, A. (2018). Epidemiología del trauma craneoencefálico. Revista Cubana de Medicina Intensiva y Emergencias., 17(2), 3–6. https://www.medigraphic.com/pdfs/revcubmedinteme/cie-2018/cies182b.pdf
Hsu, S. Der, Chao, E., Chen, S. J., Hueng, D. Y., Lan, H. Y., & Chiang, H. H. (2021). Machine learning algorithms to predict in-hospital mortality in patients with traumatic brain injury. Journal of Personalized Medicine, 11(11). https://doi.org/10.3390/jpm11111144
IBM. (October 26, 2023.). Random Forest. https://www.ibm.com/topics/random-forest
Martin, G. P., Sperrin, M., Snell, K. I. E., Buchan, I., & Riley, R. D. (2021). Clinical prediction models to predict the risk of multiple binary outcomes: a comparison of approaches. Statistics in Medicine, 40(2), 498–517. https://doi.org/10.1002/sim.8787
Matsuo, K., Aihara, H., Nakai, T., Morishita, A., Tohma, Y., & Kohmura, E. (2020). Machine Learning to Predict In-Hospital Morbidity and Mortality after Traumatic Brain Injury. Journal of Neurotrauma, 37(1), 202–210. https://doi.org/10.1089/neu.2018.6276
Montero Rodríguez, J. C. de J., Roshan Biswal, R., & la Cruz, E. S. de. (2019). Algoritmos de aprendizaje automático de vanguardia para el diagnóstico de enfermedades. Research in Computing Science, 148(7), 455–468. https://doi.org/10.13053/rcs-148-7-34
Montero, T. (2012). Traumatismos. Revista Cubana de Medicina Militar, 41(1), 1–3. http://scielo.sld.cu/pdf/mil/v41n1/mil01112.pdf
Obermeyer, Z., & Lee, T. H. (2017). Lost in Thought — The Limits of the Human Mind and the Future of Medicine. New England Journal of Medicine, 377(13), 1209–1211. https://doi.org/10.1056/NEJMp1705348
Raj, R., Luostarinen, T., Pursiainen, E., Posti, J. P., Takala, R. S. K., Bendel, S., Konttila, T., & Korja, M. (2019). Machine learning-based dynamic mortality prediction after traumatic brain injury. Scientific Reports, 9(1), 17672. https://doi.org/10.1038/s41598-019-53889-6
Rajula, H. S. R., Verlato, G., Manchia, M., Antonucci, N., & Fanos, V. (2020). Comparison of conventional statistical methods with machine learning in medicine: Diagnosis, drug development, and treatment. Medicina (Lithuania), 56(9), 1–10. https://doi.org/10.3390/medicina56090455
Riley, R. D., Ensor, J., Snell, K. I. E., Harrell, F. E., Martin, G. P., Reitsma, J. B., Moons, K. G. M., Collins, G., & van Smeden, M. (2020). Calculating the sample size required for developing a clinical prediction model. BMJ, 368, m441. https://doi.org/10.1136/bmj.m441
World Health Organization (WHO). (March 16, 2022). Discapacidades y traumatismos causados por el tránsito. https://www3.paho.org/mex/index.php?option=com_content&view=article&id=490:marco-conceptual&Itemid=380
World Health Organization (WHO). (March 16, 2022). TCE - Traumatismo craneoencefálico - RELACSIS. https://www3.paho.org/relacsis/index.php/en/foros-relacsis/foro-becker-fci-oms/61-foros/consultas-becker/938-tce-traumatismo-craneoencefalico
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
El autor mantiene los derechos morales y permite la cesión gratuita, exclusiva y por plazo indefinido de sus derechos patrimoniales de autoría a la Bluefields Indian & Caribbean University (BICU).
