Machine Learning-Based Prediction of Composite Adverse Outcomes in Elderly Intensive Care Unit Patients: A Retrospective Cohort Study

Resumen Técnico: Predicción Basada en Aprendizaje Automático de Resultados Adversos Compuestos en Pacientes Ancianos en la UCI

Planteamiento del Problema
El estudio aborda el desafío de la evaluación pronóstica para adultos mayores (≥65 años) admitidos en Unidades de Cuidados Intensivos (UCI). Este grupo demográfico presenta multimorbilidad, reducción de la reserva fisiológica y trayectorias de recuperación heterogéneas, lo que complica las decisiones sobre la escalada de tratamiento y la planificación de recursos. Las puntuaciones de gravedad existentes (por ejemplo, APACHE II, SAPS 3) fueron desarrolladas para poblaciones adultas generales y pueden carecer de estabilidad cuando se aplican específicamente a cohortes de ancianos. Además, muchos modelos de aprendizaje automático existentes se centran únicamente en la mortalidad intrahospitalaria, descuidando la importancia clínica y de recursos de las estancias prolongadas en la UCI, las cuales están asociadas con el declive funcional y altos costos de atención médica. Los autores buscaron desarrollar y validar internamente modelos de aprendizaje automático para predecir un resultado adverso compuesto (muerte intrahospitalaria o estancia en la UCI [LOS] > 7 días) utilizando datos disponibles dentro de las primeras 24 horas de la admisión.

Metodología

• Fuente de Datos: El estudio utilizó la base de datos MIMIC-IV (versión 2.2), un conjunto de datos de registros de salud electrónicos desidentificados de Beth Israel Deaconess Medical Center (2008–2022).
• Cohorte: El análisis final incluyó 22,397 pacientes ancianos en la UCI (edad media de 77.0 años) que tuvieron una primera estancia en la UCI de ≥24 horas. La cohorte se dividió en un conjunto de entrenamiento (n=15,677) y un conjunto de validación interna (n=6,720) mediante un muestreo aleatorio estratificado por resultados.
• Definición del Resultado: El punto final primario fue un resultado binario compuesto: mortalidad intrahospitalaria O estancia en la UCI (LOS) > 7 días. Los análisis secundarios examinaron la mortalidad intrahospitalaria y la estancia prolongada en la UCI (>7 días) por separado, así como un umbral alternativo de LOS basado en el percentil 75 de la cohorte (>3.62 días).
• Ingeniería de Características: Se extrajeron 192 variables predictoras de las primeras 24 horas de la admisión en la UCI. Estas incluyeron demografía, comorbilidades (Índice de Comorbilidad de Charlson), signos vitales, resultados de laboratorio, puntuaciones de gravedad (APACHE III, SAPS II, SOFA, OASIS) e indicadores de tratamiento (por ejemplo, ventilación invasiva). Las variables que varían en el tiempo se resumieron utilizando valores de primero, media, mínimo, máximo, último y rango.
• Preprocesamiento: Los valores faltantes se manejaron mediante la Imputación Múltiple por Ecuaciones Encadenadas (MICE) con cinco imputaciones, aprendidas en el conjunto de entrenamiento y aplicadas al conjunto de validación.
• Algoritmos: Se compararon siete algoritmos de aprendizaje automático: Regresión Logística Regularizada, Random Forest, XGBoost, LightGBM, CatBoost, Máquina de Vectores de Soporte (SVM) y Perceptrón Multicapa (MLP). Los hiperparámetros se ajustaron mediante validación cruzada estratificada de cinco pliegues en el conjunto de entrenamiento.
• Evaluación: Los modelos se evaluaron en el conjunto de validación interna utilizando AUROC, AUPRC, puntuación de Brier, F1-score, sensibilidad, especificidad y calibración (error máximo de calibración). Se utilizó el Análisis de Curva de Decisión (DCA) para evaluar el beneficio clínico neto.
• Interpretabilidad: Se utilizaron las explicaciones SHapley Additive exPlanations (SHAP) para determinar la importancia de las características y su direccionalidad. También se evaluó un modelo simplificado utilizando solo las 10 características principales.

Resultos Clave

• Rendimiento del Modelo: Entre los siete algoritmos, XGBoost demostró el rendimiento general más sólido. Logró un AUROC de 0.853 (IC 95% 0.842–0.863), un AUPRC de 0.668 y una puntuación de Brier de 0.114. LightGBM (AUROC 0.850) y CatBoost (AUROC 0.849) tuvieron un rendimiento similar, mientras que la Regresión Logística tuvo el rendimiento más bajo (AUROC 0.833).
• Estratificación de Riesgo: Los pacientes se estratificaron en grupos de bajo, intermedio y alto riesgo basados en las probabilidades predichas. Las tasas de eventos observados aumentaron significativamente entre los grupos: 3.4% (bajo), 11.6% (intermedio) y 49.2% (alto).
• Importancia de las Características: Los principales predictores identificados por el análisis SHAP fueron:
  1. Puntuación APACHE III
  2. Primera unidad de cuidados intensivos (la UCI cardiovascular se asoció con un menor riesgo)
  3. Ventilación mecánica invasiva
  4. Antecedentes de accidente cerebrovascular
  5. Puntuación SAPS II
• Modelo Simplificado: Un modelo reducido utilizando solo las 10 características principales mantuvo una discriminación sustancial, logrando un AUROC de 0.814 (una disminución de 0.038 respecto al modelo completo de 192 características) y un beneficio neto máximo similar en el DCA.
• Análisis Secundarios:
  • El modelo para mortalidad intrahospitalaria por sí solo alcanzó un AUROC de 0.861.
  • El modelo para estancia prolongada en la UCI (>7 días) por sí solo alcanzó un AUROC de 0.811.
  • El uso de una ventana de observación de 6 horas resultó en un AUROC más bajo (0.831) en comparación con la ventana de 24 horas (0.853), lo que sugiere que 24 horas de datos proporcionan un poder predictivo más robusto.

Significancia y Reivindicaciones
Los autores afirman que este estudio proporciona un marco robusto y validado internamente para predecir resultados adversos compuestos en pacientes ancianos en la UCI utilizando datos disponibles de rutina de forma temprana. Las afirmaciones clave incluyen:

1. Superioridad del Gradient Boosting: Los métodos de ensamble basados en árboles (específicamente XGBoost) superaron a la regresión logística tradicional y otros algoritmos de ML en el manejo de las relaciones complejas y no lineales inherentes a los datos de la UCI.
2. Valor de los Endpoints Compuestos: El resultado compuesto (muerte o estancia prolongada) identifica eficazmente a los pacientes con cursos fatales o trayectorias de uso intensivo de recursos, abordando una brecha en los modelos de mortalidad de un solo endpoint.
3. Utilidad Clínica: El modelo demostró un beneficio neto positivo a través de un amplio rango de umbrales de decisión (0.05–0.70), lo que sugiere una utilidad potencial para guiar la intensidad del monitoreo, revisiones multidisciplinarias o consultas de cuidados paliativos.
4. Factibilidad de la Simplificación: El alto rendimiento del modelo simplificado de 10 características sugiere que una herramienta parsimoniosa a pie de cama es factible sin una pérdida significativa de precisión predictiva, siempre que se capturen los principales impulsores clínicos (puntuaciones de gravedad, estado de ventilación, antecedentes de accidente cerebrovascular).

Limitaciones y Direcciones Futuras
El artículo señala explícitamente varias limitaciones:

• Diseño Retrospectivo de Centro Único: El modelo fue entrenado con datos de una sola institución de EE. UU.; se requiere validación externa en diferentes sistemas de salud antes de su implementación clínica.
• Ventana Estática: Los predictores se limitaron a las primeras 24 horas, perdiendo cambios fisiológicos posteriores.
• Variables Faltantes: No se incluyeron factores geriátricos clave como la fragilidad, el estado funcional y la planificación de cuidados anticipados.
• Incertidumbre de la Imputación: La incertidumbre del proceso de imputación no se propagó completamente a través de todos los pasos del modelado.

Los autores concluyen que, si bien el modelo XGBoost muestra un buen rendimiento interno, la validación externa, la evaluación prospectiva y la incorporación de medidas de fragilidad/funcionales son requisitos previos necesarios antes de que el modelo pueda informar la práctica clínica.