El paro cardíaco intrahospitalario puede producirse por diversos motivos, por lo tanto, desarrollar un modelo de predicción preciso para la detección en tiempo real de este problema en entornos de UCI y su tratamiento rápido, incluida la reanimación cardiopulmonar (RCP) y la desfibrilación temprana, es fundamental para mejorar los resultados de los pacientes. A este reto se han enfrentado investigadores del Hospital Universitario Nacional de Seúl (SNUH, Seúl, Corea del Sur), quienes han logrado desarrollar un modelo innovador de aprendizaje automático (ML).

Los modelos anteriores utilizaban características clínicas extraídas de registros médicos electrónicos (EMR) para predicciones de paro cardíaco intrahospitalario, que mostraban un buen rendimiento discriminatorio. Sin embargo, la necesidad de recopilar diversas variables EMR limita estos modelos. Mientras, los modelos de predicción de Electrocardiograma (ECG) basados ​​en algoritmos de ML pueden garantizar la detección y el seguimiento constantes y en tiempo real de pacientes críticamente enfermos, especialmente en caso de paro cardíaco intrahospitalario.

Mayor precisión

Utilizando un conjunto completo de medidas de variabilidad de la frecuencia cardíaca (VFC), los investigores desarrollaron un algoritmo de máquina de refuerzo de gradiente de luz (LGBM) que aumentó la precisión y el rendimiento del modelo de predicción. Además, los investigadores optimizaron los hiperparámetros del modelo LGBM mediante optimización bayesiana para encontrar los mejores parámetros de entrenamiento del modelo, que probaron en el conjunto de validación.

El resultado primario fue la aparición de un paro cardíaco en un plazo de 0,5 a 24 horas. Los resultados secundarios incluyeron las ocurrencias de paro cardíaco de 0,5 a 18, 12, 6, 3 y 1 h. Además, el equipo evaluó el rendimiento de discriminación del modelo, utilizando el área bajo la curva operativa del receptor (AUROC), el área bajo la curva de recuperación de precisión (AUPRC) y el intervalo de confianza (IC) del 95%.

Los investigadores pudieron demostrar la eficacia del modelo de máquina de refuerzo de gradiente de luz que destacó en la detección temprana y la predicción rápida de paros cardíacos hospitalarios. Esta mejora en la precisión de la predicción podría mejorar significativamente los resultados de los pacientes en entornos clínicos.