SHAP-interpretable machine learning model for early prediction of periventricular leukomalacia in preterm infants younger than 32 weeks: a multicenter validation study

Resumen Técnico: Aprendizaje Automático Interpretable mediante SHAP para la Predicción Temprana de la PVL

Planteamiento del Problema
La leucomalacia periventricular (PVL) es una forma grave de lesión de la sustancia blanca que afecta a lactantes pretérmino nacidos con una edad gestacional (EG) inferior a 32 semanas. Con frecuencia conduce a secuelas neurológicas permanentes, incluyendo parálisis cerebral espástica y retrasos cognitivos/motores. Los desafíos clínicos actuales incluyen la falta de manifestaciones clínicas tempranas específicas para la PVL, la ausencia de terapias eficaces tras la aparición de la misma y una deficiencia en las herramientas de identificación temprana. Los estudios de predicción existentes suelen depender de métodos estadísticos tradicionales con eficiencia limitada, sufren de tamaños de muestra pequeños, carecen de generalizabilidad externa debido a diseños de un solo centro y no proporcionan explicaciones claras sobre su lógica predictiva, lo que dificulta la confianza clínica y la traslación.

Metodología
Este estudio de cohorte multicéntrico utilizó datos de 10,114 lactantes pretérmino (EG 24 ≤ < 32 semanas) ingresados en 47 unidades de cuidados intensivos neonatales (UCIN) en toda China entre 2018 y 2025, provenientes de la Red Sino-Norteña de Neonatología (SNN).

• Recopilación de Datos: El estudio agregó datos multidimensionales que incluyeron características basales neonatales, factores de riesgo demográficos maternos/perinatales, reanimación postnatal y condiciones clínicas tempranas (dentro de los primeros 3 días), complicaciones neurológicas previas al diagnóstico y resultados de exámenes auxiliares. La PVL se diagnosticó mediante ecografía craneal estandarizada o RM antes del alta.
• Selección de Características: Se empleó una estrategia basada en consenso utilizando cuatro métodos distintos para optimizar las variables predictivas:
  1. Regresión LASSO (con validación cruzada de 10 pliegues).
  2. Regresión por pasos (basada en AIC).
  3. Eliminación Recursiva de Características (RFE) utilizando puntuaciones de importancia de Random Forest.
  4. El algoritmo Boruta.
     Un mecanismo de votación (variables seleccionadas por ≥2 métodos) identificó 19 factores predictores centrales, incluyendo desprendimiento de placenta, niveles de lactato, puntuaciones de Apgar a los 5 minutos y hemorragia intraventricular (IVH) grave.
• Desarrollo del Modelo: Se construyeron y compararon seis algoritmos de aprendizaje automático: Regresión Logística (LogReg), Random Forest (RF), XGBoost, LightGBM, K-Nearest Neighbors (KNN) y Máquina de Vectores de Soporte (SVM). El conjunto de datos se dividió en un conjunto de entrenamiento (n=5,373), un conjunto de validación interna (n=2,302) y un conjunto de validación externa independiente (n=2,439). El desequilibrio de clases se abordó mediante parámetros de ponderación específicos (por ejemplo, scale_pos_weight para modelos basados en árboles).
• Interpretabilidad: El modelo óptimo fue interpretado mediante SHapley Additive exPlanations (SHAP) para visualizar la importancia de las características, los impactos direccionales y las predicciones de muestras individuales.

Resultos Clave

• Desempeño del Modelo: El modelo Random Forest (RF) demostró un desempeño superior y generalizable en comparación con los otros cinco algoritmos. En el conjunto de validación externa, el modelo RF logró:
  • Área Bajo la Curva (AUC): 0.930 (IC 95%: 0.899–0.961)
  • Exactitud (Accuracy): 0.838
  • Especificidad: 0.838
  • Valor Predictivo Negativo (VPN): 0.997
    El modelo RF superó a XGBoost (AUC 0.881), LightGBM (AUC 0.871) y LogReg (AUC 0.854).
• Importancia de las Características: El análisis SHAP identificó el desprendimiento de placenta como el predictor más impactante, seguido de la IVH grave, los niveles de lactato (Lac) y el pH arterial nadir (PHnadir).
• Interpretabilidad: Los gráficos de resumen de SHAP confirmaron que los valores elevados de desprendimiento de placenta, IVH y lactato, junto con los valores bajos de pH (que indican acidosis metabólica), se correlacionan con un mayor riesgo de PVL. Los análisis de casos individuales (gráficos de cascada/waterfall plots) demostraron la capacidad del modelo para distinguir los niveles de riesgo basados en circunstancias perinatales y neonatales específicas.

Significancia y Reivindicaciones
Los autores afirman que este estudio aborda brechas críticas en la predicción de la PVL mediante el desarrollo de una herramienta de alto rendimiento, generalizable y clínicamente interpretable, diseñada para lactantes pretérmino con una EG <32 semanas.

• Utilidad Clínica: El modelo se basa únicamente en datos clínicos y de laboratorio de rutina recopilados dentro de los primeros 3 días postnatales, sin requerir equipos de imagen especializados ni la extracción de características radiómicas que consuman mucho tiempo. Este diseño facilita la integración directa en los flujos de trabajo clínicos rutinarios en diversas UCIN con distintas capacidades de recursos.
• Estratificación Temprana: Al identificar a los lactantes de alto riesgo antes de que aparezcan los hallazgos típicos de la PVL en las imágenes, la herramienta tiene como objetivo permitir la estratificación temprana del riesgo y la implementación de intervenciones preventivas dirigidas.
• Transparencia: El uso de SHAP proporciona información transparente sobre el proceso de toma de decisiones del modelo, alineando la lógica predictiva con los mecanismos fisiopatológicos establecidos (por ejemplo, eventos hipóxico-isquémicos y acidosis metabólica), fomentando así la confianza clínica.
• Impacto en la Salud Pública: La aplicación de esta herramienta de evaluación de riesgos tiene el potencial de mejorar el pronóstico neurológico a largo plazo de esta población vulnerable y reducir la carga sobre las familias y los sistemas de salud.

Limitaciones Señaladas por los Autores
El estudio reconoce que el modelo fue desarrollado utilizando únicamente variables clínicas de rutina, excluyendo biomarcadores novedosos o métricas de neuroimagen cuantitativas. Además, no se realizó un seguimiento del desarrollo neuropsicológico a largo plazo, lo que significa que la capacidad del modelo para predecir resultados funcionales específicos (como la parálisis cerebral) no fue validada directamente en esta cohorte. Los autores sugieren que el trabajo futuro debería centrarse en la integración de datos multi-ómicos y en el establecimiento de protocolos de seguimiento longitudinal.