Machine Learning Estimation of Gestational Age at Delivery Using Linked Mother-Infant Electronic Health Records Across Two Health Systems

Este estudio demuestra que los modelos de aprendizaje automático supervisados entrenados con registros de salud electrónicos vinculados de madres e infantes pueden estimar con precisión y generalizabilidad la edad gestacional al parto en diferentes sistemas de salud, proporcionando un marco robusto para apoyar la investigación a gran escala en salud materno-infantil.

Lo esencial

Imagina que intentas adivinar exactamente cuánto duró un embarazo solo observando el historial médico de una paciente. A veces, el archivo carece de la fecha específica del parto esperado, o las notas están desordenadas y son difíciles de leer. Este es un gran problema para los investigadores que intentan estudiar cómo los fármacos afectan a los bebés, porque si se equivocan en la cronología, todo su estudio podría estar viciado.

Este artículo trata sobre la creación de un detective digital inteligente capaz de determinar la duración de un embarazo (edad gestacional) incluso cuando el registro oficial está ausente o es poco claro.

Así es como los investigadores lo hicieron, explicado de forma sencilla:

1. El Campo de Entrenamiento: Dos Grandes Bibliotecas

Los investigadores no solo revisaron los archivos de un hospital; utilizaron dos vastas bibliotecas de registros médicos:

• Centro Médico de la Universidad Vanderbilt (VUMC) en Nashville.
• Universidad de Míchigan (UMich) en Ann Arbor.

Piensa en estas como dos "gimnasios de entrenamiento" diferentes. Tomaron millones de registros de madres y bebés de estos gimnasios para enseñar a su programa informático a identificar patrones.

2. El Kit de Herramientas del Detective: ¿Qué Pistas Utilizó?

El programa informático (un modelo de aprendizaje automático) no solo adivinó. Buscó pistas específicas en los archivos, de manera similar a como un detective arma un rompecabezas. Probaron tres "kits de herramientas" diferentes para ver cuál funcionaba mejor:

• Kit de Herramientas A (Solo la Madre): Solo examinó el historial de la madre (su edad, raza, embarazos anteriores).
• Kit de Herramientas B (Madre + Notas Hospitalarias): Agregó datos generales del hospital (como los códigos ICD, que son como etiquetas abreviadas para condiciones médicas).
• Kit de Herramientas C (El Paquete Completo): ¡Incluyó también los datos del bebé! Esto comprendió el peso al nacer del bebé, su "puntuación de Apgar" (una revisión de salud rápida justo después del nacimiento) y las propias etiquetas médicas del bebé.

La Analogía: Imagina intentar adivinar cuánto tiempo estuvo horneándose un pastel.

• El Kit de Herramientas A es como adivinar basándose solo en la experiencia del pastelero.
• El Kit de Herramientas B es como mirar la tarjeta de la receta.
• El Kit de Herramientas C es observar al pastelero, la receta, y el tamaño y la textura del pastel terminado. Sin sorpresa, el Paquete Completo (Kit de Herramientas C) fue el más preciso.

3. La "Adivinanza Inteligente" vs. La "Adivinanza Promedio"

Antes de utilizar su sofisticada inteligencia artificial, los investigadores probaron un método sencillo: simplemente adivinar la duración promedio del embarazo para todos.

• El Resultado: El promedio simple a menudo estaba muy lejos, como adivinar que todos los pasteles tardan exactamente 45 minutos independientemente de su tamaño.
• El Resultado de la IA: Los modelos de aprendizaje automático fueron mucho más agudos. Podían predecir la duración del embarazo dentro de una semana de la fecha real aproximadamente 85% a 93% de las veces. Dentro de dos semanas, tenían razón 94% a 98% de las veces.

4. La Prueba "Entre Ciudades"

Para asegurarse de que su detective no solo estaba memorizando la biblioteca de Nashville, enviaron las mismas reglas a la biblioteca de Míchigan.

• El Resultado: Funcionó igual de bien, y de hecho, tuvo un rendimiento aún mejor en Míchigan. Esto demuestra que el "detective" no es solo un experto local; es un generalista que puede trabajar en diferentes hospitales.

5. Donde el Detective Tropieza

El artículo es honesto sobre dónde el sistema aún no es perfecto:

• Bebés Prematuros: El sistema es excelente para adivinar la duración de embarazos a término completo (bebés nacidos en el momento "correcto"). Sin embargo, le cuesta un poco más con los bebés nacidos muy temprano (prematuros). Es como si el detective fuera bueno resolviendo casos estándar pero se confundiera con misterios raros y complejos.
• Datos Antiguos: El sistema tuvo un mejor rendimiento con registros de años recientes. Esto podría deberse a que los registros más antiguos (anteriores a 2015) utilizaban sistemas de codificación diferentes o tenían tecnología de ultrasonido menos precisa, lo que hacía que las pistas fueran más difíciles de leer.

La Conclusión

El artículo concluye que ahora disponemos de una "calculadora" fiable y portátil que puede rellenar las fechas de embarazo faltantes en los registros médicos. Al utilizar una combinación del historial de la madre, las notas hospitalarias y los detalles del bebé, esta herramienta puede ayudar a los investigadores a estudiar la seguridad del embarazo con mucha más precisión que antes.

Nota Importante: Los autores especifican que esta es una herramienta para investigación destinada a corregir datos faltantes en estudios. No afirman que esta herramienta deba ser utilizada por médicos para tomar decisiones clínicas inmediatas para pacientes individuales en un entorno hospitalario en este momento. Es una forma de limpiar los datos para que los científicos puedan aprender más sobre la salud materna y del bebé.

Resumen técnico

Resumen Técnico: Estimación de la Edad Gestacional al Parto Mediante Aprendizaje Automático Utilizando Registros Electrónicos de Salud Vinculados de Madres e Infantes

Enunciado del Problema
La estimación precisa de la edad gestacional (EG) es crítica para la investigación sobre la salud del embarazo y la descendencia, particularmente en estudios farmacoepidemiológicos donde la definición de ventanas de exposición y la susceptibilidad fetal dependen de una datación precisa del embarazo. Sin embargo, los registros electrónicos de salud (RES) y las bases de datos de reclamaciones administrativas a menudo sufren de datos de EG faltantes, incompletos o erróneos debido a errores de entrada por parte de los proveedores, falta de documentación ecográfica o limitaciones en la infraestructura de los sistemas. Estas imprecisiones pueden conducir a una mala clasificación de las exposiciones a fármacos, introduciendo sesgos y socavando la validez del estudio. Si bien la investigación previa se ha centrado en estimar la EG utilizando datos de reclamaciones administrativas, existe la necesidad de aprovechar los datos más ricos y vinculados de madres e infantes disponibles en los sistemas RES para mejorar la precisión de la estimación y la generalizabilidad en diversos entornos de atención sanitaria.

Metodología
Este estudio de cohorte retrospectiva desarrolló y validó algoritmos supervisados de aprendizaje automático para estimar la EG al parto utilizando datos de RES vinculados de madres e infantes de dos sistemas de salud académicos: el Centro Médico de la Universidad Vanderbilt (VUMC, 2005–2025) y la Universidad de Michigan (UMich, 2012–2024).

• Fuentes de Datos y Cohorte: El estudio utilizó la Derivada de Investigación en VUMC y la base de datos RES de UMich. Las cohortes iniciales incluyeron 91.471 (VUMC) y 55.733 (UMich) díadas madre-infante. Tras aplicar criterios de exclusión (retener un infante por madre, excluir nacimientos no vivos y requerir atención prenatal adecuada), las cohortes analíticas finales consistieron en 54.344 díadas en VUMC y 34.345 en UMich.
• Estándar de Referencia: Las estimaciones de Edad Gestacional Clínica (EGC) registradas en los registros maternos en el momento del parto sirvieron como verdad fundamental. Estos patrones textuales (por ejemplo, "39 semanas 2/7") se analizaron para convertirlos en días numéricos.
• Variables Predictoras: Las características se derivaron de tres fuentes:
  1. Registros Maternos: Datos demográficos (edad, raza/etnia), códigos CIE para parto prematuro, a término o postérmino, restricción del crecimiento fetal y crecimiento fetal excesivo.
  2. Datos del Sistema RES: Información estándar de encuentros y frecuencias de códigos CIE (codificados como días o visitas distintos).
  3. Registros de Infantes: Peso al nacer, puntuaciones APGAR a 1 y 5 minutos, y códigos CIE específicos del infante (prematuro, bajo peso para la edad gestacional, alto peso para la edad gestacional).
     Los valores faltantes para el peso al nacer y las puntuaciones APGAR se imputaron utilizando medianas.
• Configuraciones del Modelo: Para evaluar el rendimiento en diferentes entornos de datos, se probaron tres configuraciones:
  • C1 (Materna): Solo predictores maternos.
  • C2 (Materna + RES): Materna + características estándar de RES.
  • C3 (Materna + RES + Pediátrica): Todos los predictores disponibles, incluidos registros de infantes (representando entornos de datos vinculados).
• Algoritmos: Se entrenaron Random Forest (RF), Gradient Boosting (GB) y un modelo de Ensemble (promediando las predicciones de RF y GB). Los hiperparámetros se optimizaron mediante validación cruzada de 5 pliegues. Se aplicó una transformación cuantil para abordar la distribución sesgada a la izquierda de la EGC.
• Evaluación: El rendimiento se evaluó en conjuntos de prueba retenidos utilizando la proporción de predicciones dentro de ±1 semana y ±2 semanas del estándar de referencia, y el Error Absoluto Medio (EAM). Se utilizó el método de remuestreo (bootstrapping) con 1.000 remuestreos para calcular intervalos de confianza del 95%.

Resultados Clave

• Rendimiento General: El modelo de ensemble logró la mayor precisión. En el conjunto de prueba de VUMC, predijo la EG dentro de ±1 semana para el 85,2% de los embarazos y dentro de ±2 semanas para el 94,3%, con un EAM de 4,4 días. En el conjunto de prueba de UMich, el rendimiento mejoró al 93,1% (±1 semana) y al 97,8% (±2 semanas), con un EAM de 2,8 días.
• Comparación con Líneas Base: Los modelos de aprendizaje automático superaron sustancialmente a las líneas base simples de media y mediana. Por ejemplo, en el conjunto de prueba de VUMC, los modelos de aprendizaje automático mejoraron el EAM en 6,8 a 7,9 días en comparación con la línea base de media (12,3 días).
• Impacto de los Predictores: El rendimiento mejoró consistentemente a medida que se añadían más fuentes de datos (C1 < C2 < C3). La inclusión de datos específicos del infante (peso al nacer, APGAR, códigos CIE pediátricos) proporcionó el impulso más significativo en la precisión.
• Análisis Temporal y Estratificado:
  • Transición CIE: Los modelos tuvieron un mejor rendimiento para embarazos entregados el 1 de octubre de 2015 o después (era CIE-10-CM) en comparación con la era CIE-9-CM.
  • Estado del Parto: Los modelos funcionaron mejor para partos a término completo y tardíos. El rendimiento fue notablemente menor para partos prematuros.
  • Generalizabilidad: Los modelos entrenados con datos de VUMC y replicados en datos de UMich demostraron una fuerte portabilidad, mostrando la replicación en UMich incluso una mayor concordancia con el estándar de referencia.

Significado y Afirmaciones
Los autores afirman que este estudio presenta un marco robusto y generalizable de aprendizaje automático para estimar la edad gestacional al parto utilizando RES vinculados de madres e infantes. El significado principal radica en:

1. Aprovechamiento de Datos Vinculados: Demostrar que combinar registros maternos e infantes (configuración C3) supera significativamente a los modelos que dependen únicamente de datos maternos o administrativos.
2. Portabilidad y Reproducibilidad: Replicar con éxito el pipeline de modelado en dos sistemas de salud distintos con diferentes historias de datos y demografías de pacientes, lo que sugiere que las asociaciones aprendidas son ampliamente generalizables en lugar de específicas del sitio.
3. Utilidad para la Investigación: Proporcionar una herramienta fiable para imputar la EG en estudios clínicos a gran escala del mundo real donde los datos de EG están faltantes o son inválidos, reduciendo así el sesgo en la investigación farmacoepidemiológica y perinatal.

El artículo reconoce limitaciones, incluido un rendimiento subóptimo para partos prematuros y la exclusión de resultados de nacimientos no vivos (muerte fetal, terminación) del alcance actual del modelo. Los autores enfatizan que, aunque el marco es robusto, se necesita trabajo futuro para abordar las brechas de rendimiento en la estimación prematura y evaluar los sesgos potenciales relacionados con las disparidades en salud.