Construcción y validación de un modelo predictivo para la eficacia del tratamiento con voriconazol en la aspergilosis pulmonar asociada a la influenza basado en aprendizaje automático

Qué problema aborda

El tratamiento de la aspergilosis pulmonar asociada a la influenza (IAPA) puede ser complicado, y la eficacia del voriconazol, un antifúngico, puede variar entre los pacientes. Identificar factores que influyan en la respuesta al tratamiento es crucial para mejorar la atención médica.

Qué hicieron los autores

Los autores realizaron un estudio retrospectivo que incluyó pacientes tratados con voriconazol entre enero de 2020 y abril de 2026. Se recogieron 42 variables basales y se utilizó un enfoque de selección de características para identificar predictores de respuesta al tratamiento. Se construyeron siete algoritmos de aprendizaje automático, siendo el modelo CatBoost el que mostró mejor rendimiento.

Qué encontraron

Se identificaron cuatro predictores independientes de una respuesta terapéutica deficiente: admisión a la UCI, uso concomitante de midazolam, porcentaje elevado de neutrófilos y recuento bajo de plaquetas. El modelo CatBoost logró una área bajo la curva (AUC) de 0.88 en la validación interna y de 0.83 en la validación externa, con un análisis de curva de decisión que mostró un beneficio clínico neto positivo en todos los modelos evaluados.

Lectura final

Este estudio proporciona herramientas valiosas para personalizar la terapia con voriconazol en pacientes con IAPA, lo que puede mejorar los resultados clínicos. La aplicación de modelos de aprendizaje automático en este contexto resalta el potencial de la inteligencia artificial en la medicina, ofreciendo un enfoque más individualizado en el tratamiento de infecciones complejas.