Electronic Health Record-Based Estimation of Kansas City Cardiomyopathy Questionnaire Scores in Heart Failure

Este estudio demuestra que los modelos de aprendizaje automático pueden estimar con precisión clínica los puntajes del Cuestionario de Cardiomiopatía de Kansas City (KCCQ) a partir de datos rutinarios de registros electrónicos de salud, superando las limitaciones de la recolección incompleta de datos reportados por los pacientes para mejorar la estratificación de riesgos en la insuficiencia cardíaca.

Lo esencial

Imagina que el corazón de una persona que tiene insuficiencia cardíaca es como un motor de coche viejo y desgastado. Los médicos necesitan saber cómo se siente ese motor: ¿está funcionando bien, está haciendo ruidos extraños o está a punto de fallar?

Para saberlo, normalmente les preguntan a los pacientes: "¿Cómo te sientes hoy?". Usan una encuesta llamada KCCQ (un cuestionario muy detallado). Es como pedirle al conductor del coche que escriba un diario sobre lo bien que maneja, si le duele el volante o si le cuesta arrancar.

El problema:
En la vida real, muchos pacientes no llenan estos diarios. Están muy cansados, olvidan hacerlo, o simplemente no tienen tiempo. Es como si el mecánico tuviera que arreglar el coche sin escuchar al conductor. Esto deja a los médicos "a ciegas" sobre cómo se siente realmente el paciente, lo cual es peligroso.

La solución de este estudio:
Un equipo de científicos de una empresa llamada Truveta se preguntó: "¿Podemos adivinar cómo se siente el paciente sin que él tenga que escribir nada?".

Para responder, crearon un detective digital (un modelo de Inteligencia Artificial) que aprende a leer las "huellas digitales" que deja la enfermedad en los registros médicos electrónicos (las historias clínicas de los hospitales).

¿Cómo funciona el detective?
En lugar de preguntar al paciente, el detective mira miles de pistas que ya están en la computadora del hospital:

• El historial de visitas: ¿Cuántas veces fue al médico o a urgencias?
• Las pruebas de laboratorio: ¿Qué dicen sus análisis de sangre? (Como si el detective mirara el aceite del motor).
• Otros problemas de salud: ¿Tiene tos, problemas para respirar o diabetes?
• Datos demográficos: Su edad, género y situación legal.

El detective aprende que, por ejemplo, si un paciente tiene ciertos niveles en la sangre y ha visitado al médico varias veces en los últimos 8 meses, es muy probable que su "cuestionario de salud" (KCCQ) sea bajo, incluso si nunca lo llenó.

Los hallazgos principales (en lenguaje sencillo):

1. El tiempo importa: El detective funciona mejor si mira un historial largo. Si solo miramos lo que pasó en las últimas dos semanas (como pide la encuesta original), el detective se confunde. Pero si mira los últimos 8 meses (240 días), acierta mucho mejor. Es como entender el clima: no basta con mirar si llueve hoy; hay que ver si ha llovido toda la temporada.
2. Es muy preciso: El modelo logró predecir la puntuación de salud con una precisión sorprendente. Podía decir si un paciente estaba "muy mal", "regular" o "bien" casi tan bien como si el paciente hubiera llenado el formulario él mismo.
3. El truco de la calibración: Al principio, el detective era muy bueno para distinguir entre un paciente "regular" y uno "bien", pero le costaba identificar a los que estaban en peligro crítico (los que tenían la puntuación más baja).
   • La analogía: Imagina que el detective es un radar de tormentas. Al principio, detectaba bien las nubes grises, pero no sonaba la alarma para los huracanes.
   • La solución: Los científicos "calibraron" el radar. Ajustaron la sensibilidad para que, si detectaba incluso una pequeña señal de peligro, sonara la alarma fuerte. Ahora, puede identificar a los pacientes más vulnerables y avisar a los médicos para que actúen rápido.

¿Por qué es esto importante?
Esta investigación es como darle a los médicos un superpoder. Ahora pueden saber cómo se sienten sus pacientes basándose en los datos que ya tienen en la computadora, sin esperar a que el paciente llene un papel.

Esto es vital para:

• Salvar vidas: Identificar a los pacientes que están sufriendo en silencio y necesitan ayuda urgente.
• Ser más justos: Ayudar a personas que, por barreras de idioma, educación o falta de tiempo, nunca han podido llenar las encuestas, asegurando que todos reciban la misma atención.

En resumen, el estudio demuestra que la inteligencia artificial puede leer las "huellas" de la enfermedad en los registros médicos para contar la historia de cómo se siente un paciente, llenando los vacíos donde las encuestas tradicionales fallan. Es como tener un traductor que convierte los datos fríos de un hospital en una historia cálida sobre la salud humana.

Resumen técnico

A continuación se presenta un resumen técnico detallado del artículo en español, estructurado según los componentes solicitados:

Título: Estimación de Puntuaciones del Cuestionario de Cardiomiopatía de Kansas City (KCCQ) Basada en Registros Electrónicos de Salud en Pacientes con Insuficiencia Cardíaca

1. Problema y Contexto

El Cuestionario de Cardiomiopatía de Kansas City (KCCQ) es una herramienta validada y estandarizada para medir los resultados reportados por el paciente (PRO) en la insuficiencia cardíaca, evaluando la calidad de vida, la carga de síntomas y la función física y social. Sin embargo, su utilidad clínica y de investigación está limitada por la recopilación incompleta e inconsistente de datos en la práctica clínica rutinaria. Factores como la carga del paciente, la fatiga del encuestado, barreras idiomáticas o la muerte antes de la administración de la encuesta resultan en datos dispersos en los Registros Electrónicos de Salud (EHR).

Esto impide una evaluación integral del estado de salud del paciente, introduce sesgos en la investigación y limita la estratificación precisa del riesgo a nivel poblacional. Aunque existen estudios que utilizan el KCCQ como predictor de resultados clínicos, hay pocos enfoques desarrollados para estimar directamente las puntuaciones del KCCQ a partir de datos estructurados de los EHR, lo que dejaría de lado la necesidad de encuestas completas para monitorear el estado de salud.

2. Metodología

El estudio desarrolló y validó un marco de aprendizaje automático (Machine Learning - ML) utilizando datos retrospectivos de la base de datos Truveta, que abarca más de 120 millones de individuos y más de 900 hospitales en EE. UU.

• Cohorte: Se seleccionaron 10,889 pacientes únicos con insuficiencia cardíaca que tenían al menos una puntuación de resumen general del KCCQ registrada entre 2012 y 2025.
• Variables Predictoras: Se extrajeron características de los EHR estructurados (demografía, condiciones clínicas, resultados de laboratorio, signos vitales) a través de 13 ventanas temporales históricas (de 15 a 360 días previos a la evaluación del KCCQ).
• Enfoque de Modelado:
  • Se evaluaron múltiples algoritmos de regresión. El Gradient Boosting basado en Histogramas (HGB) demostró un rendimiento superior.
  • Reducción de Características: Se utilizó SHAP (SHapley Additive exPlanations) derivado del modelo HGB para la selección de características. Esto permitió reducir la dimensionalidad de más de 11,000-19,000 características iniciales a menos del 5.5% (648-796 características) sin perder precisión.
  • Validación: Se empleó una validación cruzada anidada para la optimización de hiperparámetros y para evitar el filtrado de información (data leakage).
• Evaluación de Desempeño:
  • Regresión: Se midió el coeficiente de determinación ($R^2$) y el error absoluto medio (MAE).
  • Clasificación: Las puntuaciones continuas se convirtieron en categorías de severidad clínica (Muy pobre a Excelente). Se evaluó la discriminación ordinal (AUROC) y la calibración mediante el Kappa Ponderado Cuadrático (QWK) y puntuaciones F1.
  • Calibración: Se aplicó un enfoque de agrupamiento por cuantiles (quantile-binning) post-hoc para ajustar los umbrales de clasificación y mejorar el equilibrio de clases, especialmente para los pacientes más graves.

3. Contribuciones Clave

• Marco Validado: Presenta un marco riguroso para estimar puntuaciones de PROs directamente desde datos de EHR rutinarios, superando la dependencia de encuestas completas.
• Análisis Temporal: Identifica que las ventanas de observación más largas (especialmente 240 días) capturan mejor la naturaleza acumulativa de la experiencia de salud que las ventanas cortas (15 días), a pesar de que el KCCQ tiene un periodo de recuerdo de 2 semanas.
• Reducción de Dimensionalidad: Demuestra que es posible mantener una alta precisión de predicción reduciendo las características en más del 94%, lo que mejora la eficiencia computacional.
• Calibración Clínica: Introduce una estrategia de calibración post-hoc que prioriza la identificación de pacientes con deterioro funcional severo, mejorando la utilidad clínica del modelo para la triaje y la estratificación de riesgos.

4. Resultados

• Rendimiento de Regresión:
  • El modelo con ventana de 240 días obtuvo el mejor rendimiento: $R^2 = 0.522$ y MAE = 12.485. Esto significa que el modelo explica el 52.2% de la variabilidad de las puntuaciones del KCCQ.
  • Las ventanas de 60 a 360 días mostraron un rendimiento estable y superior al de 15 días.
• Clasificación de Severidad:
  • Antes de la calibración, el modelo tenía una fuerte discriminación ordinal (AUROC medio = 0.850), pero una baja sensibilidad para la categoría más grave (KCCQ < 25), con un F1-score de 0.180.
  • Tras la calibración: El F1-score para la categoría "Muy Pobre a Pobre" (KCCQ < 25) aumentó drásticamente de 0.180 a 0.428. El QWK mejoró de 0.601 a 0.640, indicando un acuerdo sustancial en la clasificación ordenada.
• Interpretabilidad (SHAP):
  • Los factores más influyentes incluyeron ítems específicos del KCCQ (cuando estaban disponibles, aunque eran escasos), indicadores de estilo de vida (consumo de alcohol, actividades diarias), comorbilidades respiratorias (COPD, disnea) y marcadores fisiológicos (BUN, péptidos natriuréticos, troponina).
  • En el subgrupo de pacientes con peor estado de salud (25% inferior), el consumo de alcohol y las limitaciones funcionales ganaron mayor importancia relativa.

5. Significado e Impacto

Este estudio demuestra que es posible estimar el estado de salud reportado por el paciente en insuficiencia cardíaca con precisión clínicamente significativa utilizando únicamente datos rutinarios de los EHR.

• Monitoreo Poblacional: Permite extender la evaluación del estado de salud a poblaciones donde los datos de encuestas son incompletos o inexistentes, facilitando el monitoreo a nivel poblacional y la estratificación de riesgos.
• Equidad y Acceso: Podría ayudar a identificar pacientes en riesgo de deterioro funcional que no completan las encuestas tradicionales debido a barreras de acceso, idioma o alfabetización, mejorando potencialmente la equidad en la medición de resultados de salud.
• Aplicabilidad Clínica: El enfoque de calibración permite utilizar el modelo para la toma de decisiones clínicas (como la derivación a rehabilitación o ajustes de medicación) al priorizar la detección de pacientes severamente afectados.

En conclusión, el modelo HGB con selección de características SHAP y calibración post-hoc ofrece una solución escalable y robusta para integrar los resultados reportados por el paciente en la práctica clínica basada en datos, complementando o sustituyendo la necesidad de encuestas directas en contextos de datos incompletos.