Mejorando la validez clínica en la generación de registros electrónicos de salud sintéticos utilizando selección de mejor de N: estudio de evaluación comparativa

Contexto

La generación de registros electrónicos de salud sintéticos tiene el potencial de facilitar la investigación y la personalización de tratamientos médicos. Sin embargo, muchos de estos registros son sintéticamente plausibles pero no cumplen con las restricciones clínicas que son esenciales para su validez. Este aspecto ha limitado su utilidad en la práctica médica. El objetivo de este estudio es comparar diferentes estrategias de selección de muestras en generadores adversarios para mejorar la validez clínica de los registros sintéticos generados.

Qué aporta esta novedad

La investigación se centra en la técnica de selección de "mejor de N" para minimizar las restricciones durante el tiempo de inferencia. Se emplearon generadores adversarios, en particular el Wasserstein Generative Adversarial Network con penalización de gradiente (WGAN-GP) y el Conditional Tabular Generative Adversarial Network (CTGAN), sobre tres conjuntos de datos clínicos públicos. Las diferentes estrategias de selección – muestreo aleatorio, recorte ingenuo y "mejor de N" – fueron evaluadas en cuanto a su capacidad para reducir las violaciones de reglas que indican la validez clínica. Cada aproximación fue comparada a través de métricas específicas, evaluando la efectividad de su implementación.

Por qué es relevante

Los resultados muestran que la eficacia de la técnica "mejor de N" depende de la masa de soporte válida del generador utilizado. Por ejemplo, en el conjunto de datos de predicción de accidentes cerebrovasculares, la estrategia no logró obtener muestras válidas. Sin embargo, en los datos relacionados con enfermedades cardiovasculares, la selección de “mejor de 16” resultó en una reducción significativa de las violaciones. Esto pone de manifiesto la importancia de entender las capacidades de los generadores adversarios y cómo la optimización de los métodos de selección puede proporcionar registros sintéticos con validez clínica, utilidad y privacidad adecuadas.

Lectura final

La investigación concluye que el enfoque de "mejor de N" funciona como un filtro de viabilidad más que como un mecanismo de reparación universal. Aunque no todos los métodos de selección son igualmente efectivos, la combinación de CTGAN con "mejor de 16" mostró ser la más efectiva en la consecución de un balance entre validez clínica, fidelidad, utilidad y privacidad. Este estudio proporciona una base sólida para futuras investigaciones y aplicaciones en el campo de registros electrónicos de salud sintéticos.