{"id":40447,"date":"2023-08-22T09:04:26","date_gmt":"2023-08-22T15:04:26","guid":{"rendered":"https:\/\/saluddigital.com\/?p=40447"},"modified":"2025-10-19T00:47:40","modified_gmt":"2025-10-19T06:47:40","slug":"modelo-de-aprendizaje-automatico-predice-riesgo-de-mortalidad-de-cancer","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/modelo-de-aprendizaje-automatico-predice-riesgo-de-mortalidad-de-cancer\/","title":{"rendered":"Machine learning model predicts cancer mortality risk"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Un modelo de aprendizaje autom\u00e1tico fue sometido a una validaci\u00f3n externa para predecir la mortalidad a seis meses en pacientes con tumores s\u00f3lidos avanzados.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El pron\u00f3stico de enfermedades basado en aprendizaje autom\u00e1tico o machine learning<\/em> (ML) ha demostrado ser una herramienta prometedora para facilitar las conversaciones sobre enfermedades graves entre m\u00e9dicos y pacientes. Para mejorar las conversaciones entre profesionales de la salud y pacientes con c\u00e1ncer avanzado en puntos de decisi\u00f3n del tratamiento (TDP, en ingl\u00e9s), un equipo previamente desarroll\u00f3 y valid\u00f3 internamente un modelo de ML que clasifica a los pacientes en baja o alta probabilidad de sobrevivir los pr\u00f3ximos seis meses si inician una nueva l\u00ednea de terapia.<\/p>

El modelo toma en cuenta 45 caracter\u00edsticas derivadas de datos de registros electr\u00f3nicos de salud utilizando el est\u00e1ndar Fast Healthcare Interoperability Resources (FHIR), lo que garantiza interpretabilidad e interoperabilidad. Este modelo busca implementarse en una herramienta para comunicar y explicar de manera transparente el pron\u00f3stico de la enfermedad basado en ML.<\/p>

En este sentido, la validaci\u00f3n externa de un modelo de ML es crucial para garantizar su confiabilidad antes de su implementaci\u00f3n cl\u00ednica, el objetivo de los investigadores fue validar externamente el modelo tomando en cuenta datos de pacientes recientes.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Este estudio realiz\u00f3 la validaci\u00f3n externa utilizando datos de registros electr\u00f3nicos de salud extra\u00eddos del almac\u00e9n de datos de University of Utah Health correspondientes al 12 de octubre de 2022. Sin embargo, en primera instancia el modelo ML se entren\u00f3 originalmente en TDP del 1 de junio de 2014 al 1 de junio de 2020 y los investigadores evaluaron TDP reci\u00e9n identificados entre el 2 de junio de 2020 y el 12 de abril de 2022.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El an\u00e1lisis evalu\u00f3 el rendimiento del modelo utilizando el \u00e1rea bajo la curva y se determin\u00f3 el valor predictivo positivo, el valor predictivo negativo, la sensibilidad y la especificidad en el umbral de riesgo predeterminado del 0.3. Asimismo, calcul\u00f3 m\u00e9tricas de calidad, como las derivaciones para cuidados paliativos u hospitalizaci\u00f3n, para pacientes clasificados con baja probabilidad de supervivencia.<\/p>

Los resultados mostraron que, un total de 1822 pacientes experimentaron 2613 TDPs. Los conjuntos de datos de desarrollo (4192, pacientes) y validaci\u00f3n (1822, pacientes) eran similares, excepto que los pacientes en el conjunto de validaci\u00f3n eran m\u00e1s j\u00f3venes y con diferentes proporciones de tipos de c\u00e1ncer. De esta forma, no hubo diferencia significativa en las tasas de mortalidad a seis meses despu\u00e9s de los TDP.<\/p>

El modelo registr\u00f3 un buen rendimiento en los datos de validaci\u00f3n con un AUC de 0.80, similar a los resultados de la fase de desarrollo. Adem\u00e1s, identific\u00f3 una baja probabilidad de supervivencia en el 8.7% de los TDPs. Entre los TDPs para pacientes con baja probabilidad de supervivencia, los autores realizaron anotaciones para cuidados paliativos, hospicio y hospitalizaci\u00f3n.<\/p>

Los resultados de este estudio respaldan la necesidad de una herramienta para facilitar conversaciones sobre enfermedades graves mientras pacientes y profesionales consideran nuevas l\u00edneas de terapia contra el c\u00e1ncer. Este modelo de ML demostr\u00f3 un buen rendimiento predictivo en datos recientes, similar a la fase de desarrollo. No obstante, al igual que la gran parte de los estudios cl\u00ednicos, los resultados est\u00e1n limitados por los datos de una sola fuente y la falta de diversidad racial y \u00e9tnica de los participantes. Por ello los autores siguieren diversas evaluaciones en m\u00faltiples sistemas de salud para determinar su efectividad con mayor precisi\u00f3n.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

JAMA NETWORK<\/strong><\/p>

https:\/\/jamanetwork.com\/journals\/jamanetworkopen\/fullarticle\/2807936<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Un modelo de aprendizaje autom\u00e1tico fue sometido a una validaci\u00f3n externa para predecir la mortalidad a seis meses en pacientes con tumores s\u00f3lidos avanzados. El pron\u00f3stico de enfermedades basado en aprendizaje autom\u00e1tico o machine learning (ML) ha demostrado ser una herramienta prometedora para facilitar las conversaciones sobre enfermedades graves entre m\u00e9dicos y pacientes. Para mejorar las conversaciones entre profesionales de la salud y pacientes con c\u00e1ncer avanzado en puntos de decisi\u00f3n del tratamiento (TDP, en ingl\u00e9s), un equipo previamente desarroll\u00f3 y valid\u00f3 internamente un modelo de ML que clasifica a los pacientes en baja o alta probabilidad de sobrevivir los pr\u00f3ximos seis meses si inician una nueva l\u00ednea de terapia. El modelo toma en cuenta 45 caracter\u00edsticas derivadas de datos de registros electr\u00f3nicos de salud utilizando el est\u00e1ndar Fast Healthcare Interoperability Resources (FHIR), lo que garantiza interpretabilidad e interoperabilidad. Este modelo busca implementarse en una herramienta para comunicar y explicar de manera transparente el pron\u00f3stico de la enfermedad basado en ML. En este sentido, la validaci\u00f3n externa de un modelo de ML es crucial para garantizar su confiabilidad antes de su implementaci\u00f3n cl\u00ednica, el objetivo de los investigadores fue validar externamente el modelo tomando en cuenta datos de pacientes recientes. Este estudio realiz\u00f3 la validaci\u00f3n externa utilizando datos de registros electr\u00f3nicos de salud extra\u00eddos del almac\u00e9n de datos de University of Utah Health correspondientes al 12 de octubre de 2022. Sin embargo, en primera instancia el modelo ML se entren\u00f3 originalmente en TDP del 1 de junio de 2014 al 1 de junio de 2020 y los investigadores evaluaron TDP reci\u00e9n identificados entre el 2 de junio de 2020 y el 12 de abril de 2022. El an\u00e1lisis evalu\u00f3 el rendimiento del modelo utilizando el \u00e1rea bajo la curva y se determin\u00f3 el valor predictivo positivo, el valor predictivo negativo, la sensibilidad y la especificidad en el umbral de riesgo predeterminado del 0.3. Asimismo, calcul\u00f3 m\u00e9tricas de calidad, como las derivaciones para cuidados paliativos u hospitalizaci\u00f3n, para pacientes clasificados con baja probabilidad de supervivencia. Los resultados mostraron que, un total de 1822 pacientes experimentaron 2613 TDPs. Los conjuntos de datos de desarrollo (4192, pacientes) y validaci\u00f3n (1822, pacientes) eran similares, excepto que los pacientes en el conjunto de validaci\u00f3n eran m\u00e1s j\u00f3venes y con diferentes proporciones de tipos de c\u00e1ncer. De esta forma, no hubo diferencia significativa en las tasas de mortalidad a seis meses despu\u00e9s de los TDP. El modelo registr\u00f3 un buen rendimiento en los datos de validaci\u00f3n con un AUC de 0.80, similar a los resultados de la fase de desarrollo. Adem\u00e1s, identific\u00f3 una baja probabilidad de supervivencia en el 8.7% de los TDPs. Entre los TDPs para pacientes con baja probabilidad de supervivencia, los autores realizaron anotaciones para cuidados paliativos, hospicio y hospitalizaci\u00f3n. Los resultados de este estudio respaldan la necesidad de una herramienta para facilitar conversaciones sobre enfermedades graves mientras pacientes y profesionales consideran nuevas l\u00edneas de terapia contra el c\u00e1ncer. Este modelo de ML demostr\u00f3 un buen rendimiento predictivo en datos recientes, similar a la fase de desarrollo. No obstante, al igual que la gran parte de los estudios cl\u00ednicos, los resultados est\u00e1n limitados por los datos de una sola fuente y la falta de diversidad racial y \u00e9tnica de los participantes. Por ello los autores siguieren diversas evaluaciones en m\u00faltiples sistemas de salud para determinar su efectividad con mayor precisi\u00f3n. BIBLIOGRAF\u00cdA JAMA NETWORK https:\/\/jamanetwork.com\/journals\/jamanetworkopen\/fullarticle\/2807936<\/p>","protected":false},"author":1,"featured_media":40448,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-40447","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/40447","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=40447"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/40447\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/40448"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=40447"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=40447"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=40447"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}