Un nuevo estudio de la Universidad de Cork (Irlanda) ha sugerido que el modelado predictivo en la atención neonatal podría permitir una intervención temprana y específica para los bebés muy prematuros con mayor riesgo de desarrollar deterioro cognitivo.

Los hallazgos de este estudio, publicado en ´Jama Network´, demuestran que es posible identificar el deterioro cognitivo antes del alta de la unidad neonatal en bebés muy prematuros y con riesgo.

Este estudio de pronóstico se basó en el Registro Sueco de Calidad Neonatal con un análisis de más de 1.000 bebés prematuros. En 2011 se alcanzó la cobertura nacional de datos neonatales y el registro de datos de seguimiento se abrió el 1 de enero de 2015, y su inclusión finalizó el 31 de septiembre de 2022. Se entrenaron y probaron una variedad de modelos de aprendizaje automático para predecir el retraso cognitivo. Se evaluaron los lactantes supervivientes de unidades neonatales en Suecia con una edad gestacional menor de 32 semanas.

Un total de 1.062 niños pesó al nacer 880 gramos; 566 se incluyeron en el proceso de modelización, de los cuales 231 (21,8%) tenían retraso cognitivo. Las cinco características más importantes del retraso cognitivo fueron el lenguaje familiar no escandinavo, la duración prolongada de la hospitalización, el bajo peso al nacer, el alta a un destino distinto al hogar y el bebé que no recibió leche materna al momento del alta. Al alta de la unidad neonatal, el modelo completo pudo identificar correctamente a 605 de 650 bebés que tendrían retraso cognitivo a los 24 meses y 1.081 de 2.350 que no lo tendrían.

El coeficiente intelectual medio, a lo largo de la infancia, para los bebés prematuros es casi 1 DE más bajo que el de sus homólogos nacidos a término, lo que equivale a una diferencia media de aproximadamente 13 puntos de coeficiente intelectual. Este hallazgo tiene implicaciones importantes para el rendimiento académico, el nivel socioeconómico y la salud física y mental. Desde 1990, la tasa de mortalidad infantil prematura en los países de altos ingresos ha disminuido un cuatro por ciento por año, pero no se han logrado mejoras significativas en los resultados cognitivos.

Las vías causales que sustentan la asociación entre el nacimiento prematuro y el deterioro cognitivo aún no están claras, lo que dificulta la implementación de estrategias de prevención primaria. La prevención secundaria, en forma de intervención temprana, ha sido hasta ahora la única manera eficaz de avanzar. Sin embargo, muchas de las intervenciones estudiadas requirieron muchos recursos: comenzaron en el hospital, seguidas de visitas frecuentes a las familias en sus hogares, con duraciones de hasta tres años. Por lo tanto, la identificación temprana y precisa de los bebés que más necesitan estas intervenciones se ha vuelto cada vez más importante.

Los factores biológicos y ambientales, así como los eventos clínicos en el período perinatal, contienen información pronóstica sobre la función cognitiva en niños prematuros menores de 5 años. Se han informado varios modelos de pronóstico, pero pocos han podido explicar completamente las relaciones e interacciones no lineales entre predictores o han validado sus modelos con datos no vistos.

El objetivo de este estudio fue desarrollar un algoritmo explicable para su uso en bebés prematuros para predecir el retraso cognitivo a los dos años de edad. Para ello, se describieron las características perinatales de quienes experimentaron y no retraso cognitivo a los 2 años de edad.

Después, se utilizó un enfoque basado en datos para identificar los predictores relevantes del resultado cognitivo y se entrenaron y posteriormente probaron una variedad de modelos de aprendizaje automático en un conjunto de pruebas invisible. Finalmente, se identificaron las características predictivas más importantes.