Resumen Técnico: Pre-AF 13 – Una puntuación interpretable de riesgo de fibrilación auricular

Planteamiento del problema

La fibrilación auricular (FA) es la arritmia cardíaca más prevalente y un determinante crítico del pronóstico del paciente, contribuyendo significativamente al accidente cerebrovascular, la insuficiencia cardíaca y la mortalidad. Las puntuaciones de riesgo clínico existentes (p. ej., CHARGE-AF, C2HEST, MHS, HAVOC) suelen basarse en factores de riesgo comunes como la edad, la hipertensión y la obesidad. Aunque son eficaces para la población general, estas herramientas ofrecen una capacidad de estratificación limitada en pacientes con enfermedad cardiovascular (ECV) establecida, donde tales factores de riesgo son casi ubicuos. Además, las puntuaciones tradicionales están diseñamente para la predicción a largo plazo (5–10 años), lo cual es menos adecuado para identificar pacientes que requieren cribado o intervención inmediata en el corto o mediano plazo (6–24 meses). Adicionalmente, muchas herramientas existentes carecen de interpretabilidad y no incorporan factores dinámicos como tratamientos farmacológicos en curso, marcadores de remodelación estructural o el impacto de intervenciones invasivas previas.

Metodología

Fuentes de datos y población del estudio

El estudio utilizó un conjunto de datos retrospectivo de un solo centro del Centro Nacional de Investigación Cardiológica en Rusia, que abarcó el periodo desde enero de 2012 hasta mayo de 2019. La cohorte constó de 45,000 pacientes únicos (17,562 que cumplían los criterios de inclusión) de ≥18 años con ECV documentada pero sin FA preexistente, que habían sido hospitalizados más de una vez. El conjunto de datos incluyó 80,576 historias clínicas electrónicas (HCE).

Flujo de trabajo de Procesamiento de Lenguaje Natural (NLP)

Se desarrolló un flujo de trabajo de NLP personalizado para transformar informes de alta no estructurados en 73 características estructuradas. Este flujo combinó dos enfoques:

1. Análisis basado en reglas: Utilizando expresiones regulares y un analizador GLR (Yargi Parser) para características de fácil extracción (p. ej., edad, género, IMC, diabetes). Esto logró un F1 medio de 0.98 para las características binarias.
2. Extracción basada en Aprendizaje Profundo: Empleando modelos de Reconocimiento de Entidades Nombradas (NER) basados en transformadores (específicamente RuBioRoBERTa adaptado al dominio) para características complejas que requieren comprensión contextual, como nombres de medicamentos, hipertrofia ventricular izquierda (HVI) y enfermedad arterial periférica (EAP). Se utilizó el aprendizaje activo para optimizar la eficiencia de la anotación. Este enfoque logró un F1 promedio de 0.95.

El flujo de trabajo extrajo características de diagnósticos, examen físico, pruebas de laboratorio, pruebas instrumentales y recomendaciones de medicación.

Definición de la variable objetivo

La tarea de predicción se formuló como una clasificación binaria de la incidencia de FA dentro de ventanas de tiempo específicas relativas a una visita hospitalaria índice:

• Objetivo de 24 meses: FA diagnosticada entre 1 semana y 24 meses post-visita.
• Objetivo de seguimiento completo: FA diagnosticada en cualquier momento después de la visita índice (excluyendo la primera semana).

Construcción del modelo

Se desarrollaron tres modelos distintos utilizando el marco LightAutoML:

1. Modelo Completo (Full Model): Entrenado con las 73 características extraídas mediante un ensamble de Random Forest, LightGBM, regresión lineal con regularización L2 y CatBoost.
2. Modelo Simple (Pre-AF 13): Un modelo compacto que utiliza un subconjunto de 13 características seleccionadas mediante un consenso de métodos estadísticos (F-test) y basados en modelos (Eliminación de Características Recursiva, Selección de Características Secuencial).
3. Modelo Lineal (Pre-AF 9): Un modelo multivariante simplificado derivado de las 13 características, reducido aún más a 9 predictores para crear una puntuación de riesgo basada en papel con pesos enteros.

Evaluación e Interpretación

El rendimiento se evaluó mediante ROC AUC, Precision-Recall AUC, precisión equilibrada y puntuaciones F1. Los modelos se compararon con cuatro puntuaciones clínicas establecidas (CHARGE-AF, C2HEST, MHS, HAVOC). La interpretabilidad se logró mediante SHapley Additive exPlanations (SHAP) para cuantificar las contribuciones de las características.

Resultados Clave

Rendimiento de la extracción de características

El flujo de trabajo de NLP demostró una alta eficacia, con el analizador basado en reglas alcanzando un rendimiento promedio de 0.97 en todas las características y los extractores basados en transformadores alcanzando un 0.95.

Rendimiento predictivo

• Modelo Completo: Logró un ROC AUC de prueba de 0.735 para el objetivo de 24 meses y 0.696 para el periodo de seguimiento completo.
• Modelo Simple (Pre-AF 13): Se desempeñó de manera casi idéntica al modelo completo, con un ROC AUC de prueba de 0.725 (24 meses) y 0.696 (seguimiento completo).
• Comparación: Todos los modelos no lineales (Completo y Simple) superaron significativamente a las cuatro puntuaciones clínicas establecidas, que arrojaron ROC AUC comprendidos entre 0.53 y 0.64 en el mismo conjunto de prueba.
• Modelo Lineal: El modelo lineal (ROC AUC ~0.64) mostró un rendimiento reducido en comparación con los modelos no lineales, pero se mantuvo no inferior a las puntuaciones clínicas establecidas.

Importancia de las características

El análisis SHAP identificó la edad y el volumen de la aurícula izquierda como los predictores dominantes. Otras características significativas incluyeron extrasístoles supraventriculares, insuficiencia cardíaca, niveles de creatinina y medicamentos específicos. Notablemente, el clopidogrel y la intervención coronaria percutánea (ICP) surgieron como factores protectores (valores SHAP negativos), lo que probablemente refleja un mejor manejo de los factores de riesgo en estos subgrupos de pacientes.

Estratificación de riesgo

El sistema de puntuación Pre-AF 9 derivado estratificó con éxito el riesgo. Para el horizonte de 24 meses, la incidencia observada de FA osciló aproximadamente entre un 7% en la categoría de menor riesgo y un 36% en la de mayor riesgo.

Contribuciones clave y significancia

1. Rendimiento superior en cohortes de alto riesgo: El estudio demuestra que los modelos de aprendizaje automático entrenados con datos hospitalarios recopilados de forma rutinaria pueden superar a las puntuaciones de riesgo clínico tradicionales específicamente en pacientes con ECV establecida, una población donde las puntuaciones estándar suelen fallar al proporcionar una estratificación granular.
2. Interpretabilidad y utilidad clínica: Al destilar modelos no lineales complejos en un "Modelo Simple" de 13 características y un "Modelo Lineal" de 9 características (Pre-AF 9), los autores crearon herramientas que son tanto de alto rendimiento como clínicamente interpretables. La puntuación Pre-AF 9 permite la evaluación del riesgo a pie de cama sin necesidad de recursos computacionales.
3. Predicción a corto y mediano plazo: Los modelos están optimizados específicamente para un horizonte de 24 meses, abordando una brecha en la literatura existente donde la mayoría de las herramientas se centran en riesgos a largo plazo (5–10 años). Este intervalo de tiempo es más accionable para estrategias de cribado e intervención inmediata.
4. Flujo de trabajo de NLP de extremo a extremo: La investigación valida un flujo de trabajo robusto para la extracción de características clínicas estructuradas a partir de HCE en lengua rusa no estructurada, demostrando que la extracción automatizada de alta calidad es factible sin revisión manual de expedientes, incluso para conceptos de dominio complejo.
5. Identificación de nuevos predictores: Los modelos integraron con éxito marcadores de remodelación del sustrato auricular (p. ej., volumen de la aurícula izquierda) y efectos del tratamiento (p. ej., inhibidores de SGLT2, clopidogrel), ofreciendo una visión más dinámica del riesgo de FA que las puntuaciones demográficas estáticas.

Los autores concluyen que, si bien los valores absolutos de ROC AUC son modestos (consistentes con la dificultad de predecir eventos cardiovasculares multifactoriales), la mejora relativa sobre las puntuaciones establecidas y la capacidad de estratificar el riesgo en una población de alto riesgo resaltan el potencial de estas herramientas para guiar estrategias de cribado y prevención más precisas. El estudio reconoce las limitaciones relativas a su naturaleza retrospectiva de un solo centro y la necesidad de validación externa antes de su despliegue clínico.