Development and Transportability Assessment of a Parsimonious Machine Learning Model for Predicting In-Hospital Mortality in ICU Patients with Cirrhosis and Sepsis: A MIMIC-IV and Chinese Cohort Study

Resumen Técnico: Evaluación del Desarrollo y la Transportabilidad de un Modelo de Aprendizaje Automático Parsimonioso para la Predicción de la Mortalidad Intrahospitalaria en Pacientes de UCI con Cirrosis y Sepsis

Planteamiento del Problema
Los pacientes con cirrosis que desarrollan sepsis enfrentan un riesgo desproporcionadamente alto de mortalidad intrahospitalaria, con tasas de muerte aproximadamente cuatro veces mayores que los pacientes con sepsis sin cirrosis. Las puntuaciones pronósticas convencionales, como la Evaluación de la Falla Orgánica Secuencial (SOFA) y la Evaluación de la Fisiología Aguda y la Salud Crónica (APACHE II), se derivaron de cohortes de UCI generales y a menudo no logran capturar las complejas alteraciones hemodinámicas, inflamatorias y metabólicas específicas de esta población de "doble insulto". Además, los modelos de aprendizaje automático (ML) existentes para este grupo demográfico se han desarrollado y probado mayoritariamente en cohortes aisladas, careciendo de una evaluación robusta de la transportabilidad de las características a través de poblaciones geográficamente y clínicamente distintas. Existe una necesidad crítica de una herramienta interpretable y basada en datos que utilice variables recolectadas de rutina dentro de las primeras 24 horas de la admisión en la UCI para permitir la estratificación temprana del riesgo.

Metodología
Este estudio de cohorte retrospectivo utilizó un enfoque de dos etapas que involucró una cohorte de derivación de la base de datos MIMIC-IV (basada en EE. UU.) y una cohorte de validación externa independiente de Fuyang Second People's Hospital (China).

1. Fuentes de Datos y Población:

   • Cohorte de Derivación: 2,519 pacientes con cirrosis y sepsis de MIMIC-IV (v3.1), divididos en un conjunto de entrenamiento (n=1,763) y un conjunto de validación interna (n=756).
   • Cohorte Externa: 264 pacientes de un hospital terciario chino.
   • Criterios de Inclusión: Estancia en la UCI ≥24 horas, cirrosis y sepsis documentadas (mediante códigos ICD-9/10), y datos completos para las variables esenciales.
   • Resultado: Mortalidad intrahospitalaria por todas las causas.
   • Predictores: Restringidos a datos disponibles dentro de las primeras 24 horas de la admisión, incluyendo demografía, comorbilidades, intervenciones (CRRT, ventilación mecánica), puntuaciones de severidad (SOFA, APACHE II), signos vitales y parámetros de laboratorio iniciales.

2. Selección de Características y Preprocesamiento:

   • Se excluyeron las variables con >20% de ausencia de datos.
   • Los datos faltantes (≤20%) en el conjunto de entrenamiento se manejaron mediante imputación múltiple (paquete mice, m=5).
   • Las variables continuas fueron Winsorizadas en los percentiles 1 y 99 para mitigar la influencia de los valores atípicos.
   • Regresión LASSO: Se aplicó a 36 variables candidatas para seleccionar los predictores más robustos, reteniendo 13 características con coeficientes distintos de cero: edad, CRRT, puntuación SOFA, puntuación APACHE II, frecuencia cardíaca, recuento de glóbulos blancos, INR, ALT, bilirrubina total, pO₂, lactato, glucosa y nitrógeno ureico en sangre.

3. Desarrollo del Modelo:

   • Se entrenaron siete algoritmos de ML utilizando las 13 características seleccionadas: XGBoost, LightGBM, Random Forest (RF), Regresión Logística (LR), Máquina de Vectores de Soporte (SVM), K-Nearest Neighbors (KNN) y Árbol de Decisión (DT).
   • Los hiperparámetros se optimizaron mediante validación cruzada de cinco pliegues (five-fold cross-validation) y búsqueda de cuadrícula (grid search).
   • Interpretabilidad: El modelo óptimo (XGBoost) fue decodificado utilizando valores SHAP (SHapley Additive exPlanations) para determinar la importancia global de las características y visualizar las relaciones de dosis-respuesta.

4. Estrategia de Evaluación de la Transportabilidad:

   • Reconociendo la significativa heterogeneidad basal entre las cohortes de EE. UU. y China (p. ej., edad, carga de comorbilidades, puntuaciones de severidad), los autores no aplicaron simplemente el modelo de 13 variables congelado.
     im
   • En su lugar, identificaron las 5 características principales basadas en las clasificaciones de importancia global de SHAP: bilirrubina total, INR, puntuación APACHE II, lactato y pO₂.
   • Se reconstruyó un modelo XGBoost parsimonioso de 5 variables y se entrenó específicamente en la cohorte externa china para evaluar la transportabilidad de estas señales pronósticas centrales.

Resultados Clave

• Desempeño del Modelo (Validación Interna):

  • El modelo XGBoost demostró una capacidad de discriminación superior en comparación con otros algoritmos, alcanzando un AUROC de 0.840 (95% CI 0.811–0.868) en el conjunto de validación interna.
  • Superó a RF (0.829), LightGBM (0.827) y LR (0.797).
  • Las curvas de calibración mostraron una excelente concordancia entre la mortalidad predicha y la observada, y el Análisis de la Curva de Decisión (DCA) confirmó un mayor beneficio clínico neto a través de un amplio rango de probabilidad de umbral (0.1–0.6).

• Importancia de las Características (Análisis SHAP):

  • Los 10 predictores principales que impulsan el riesgo de mortalidad fueron: bilirrubina total, INR, puntuación APACHE II, lactato, pO₂, edad, puntuación SOFA, ALT, BUN y frecuencia cardíaca.
  • Los gráficos de dependencia de SHAP revelaron relaciones dosis-respuesta intuitivas: la elevación de la bilirrubina, el INR, el lactato y las puntuaciones de APACHE II se asociaron positivamente con un aumento de la mortalidad, mientras que niveles más altos de pO₂ ejercieron un efecto protector.

• Transportabilidad (Validación Externa):

  • La cohorte externa china exhibió diferencias significativas con la cohorte MIMIC-IV, incluyendo una edad más joven, menor prevalencia de comorbilidades (hipertensión, CAD, EPOC) y puntuaciones de severidad basal más bajas.
  • El modelo parsimonioso de 5 variables (Bilirrubina Total, INR, APACHE II, Lactato, pO₂) alcanzó un AUROC de 0.857 (95% CI 0.796–0.918) en la cohorte externa.
  • Este desempeño reflejó los resultados de la validación interna y superó significativamente las puntuaciones SOFA y APACHE II de forma independiente.
  • La calibración fue excelente en el estrato de alto riesgo (>0.6 de probabilidad), aunque se observó una ligera subestimación en los rangos de riesgo bajo a intermedio.

Significancia y Reivindicaciones
El artículo sostiene que un conjunto altamente enfocado de señales fisiopatológicas es suficiente para la predicción temprana de la mortalidad en pacientes con cirrosis y sepsis. Las contribuciones principales son:

1. Desarrollo de un Modelo Interpretable: El estudio proporciona un modelo XGBoost que logra una alta discriminación (AUROC ~0.84–0.86) utilizando solo variables disponibles dentro de las primeras 24 horas de la admisión en la UCI.
2. Demostración de la Transportabilidad entre Poblaciones: Al reconstruir un modelo parsimonioso utilizando las 5 características clasificadas por SHAP, los autores demuestran que las señales pronósticas centrales (marcadores de función hepática, estado de coagulación, crisis metabólica y oxigenación) siguen siendo predictores robustos a través de distintas poblaciones étnicas y clínicas (EE. UU. vs. China).
3. Superioridad frente a las Puntuaciones Convencionales: El modelo de ML de 5 variables superó consistentemente a las puntuaciones de severidad tradicionales (SOFA, APACHE II) tanto en el entorno interno como en el externo.
4. Utilidad Clínica: El modelo ofrece una herramienta práctica y lista para la cabecera del paciente para la estratificación temprana del riesgo, lo que podría informar intervenciones terapéuticas sensibles al tiempo para esta población de alto riesgo.

Los autores señalan limitaciones, incluyendo la naturaleza retrospectiva del estudio, el uso de un modelo reconstruido en lugar de un algoritmo congelado para la validación externa, y el origen de centro único de la cohorte externa. Concluyen que, si bien la herramienta es prometedora, son necesarios futuros estudios prospectivos multicéntricos y la integración en los flujos de trabajo de la historia clínica electrónica en tiempo real para confirmar su utilidad.