← Volver a noticias
Inteligencia artificial

Desarrollo y validación externa de modelos predictivos específicos por edad para sepsis en neonatos y niños críticamente enfermos utilizando parámetros hematológicos multidimensionales: un estudio ret

16 de noviembre de 20262 min de lecturaPor RADAR AI GLOBALFuente: PubMed/NLM – IA clínica
IA y MedicinaDiagnóstico
Desarrollo y validación externa de modelos predictivos específicos por edad para sepsis en neonatos y niños críticamente enfermos utilizando parámetros hematológicos multidimensionales: un estudio ret

Resumen ejecutivo

Este estudio multicéntrico se centra en el desarrollo y validación de modelos predictivos que utilizan parámetros hematológicos multidimensionales para predecir la sepsis en neonatos y niños en unidades de cuidados intensivos.

Compartir

WhatsAppLinkedInXCorreo

Qué problema aborda

La sepsis sigue siendo una de las principales causas de morbilidad y mortalidad en las unidades de cuidados intensivos neonatales y pediátricas (NICU/PICU). La rápida deterioración clínica de estos pacientes vulnerables hace necesario pasar de un diagnóstico reactivo a una predicción proactiva del inicio de la sepsis. Aunque el hemograma completo es ampliamente utilizado, su capacidad predictiva en comparación con características morfológicas de células hematológicas de alta dimensión ha sido poco explorada en cohortes pediátricas a gran escala.

Qué hicieron los autores

Los investigadores utilizaron un conjunto de datos a gran escala del proyecto CALM2302, que abarcó 17,066 neonatos y niños críticamente enfermos en 30 hospitales chinos entre octubre de 2020 y octubre de 2023. Desarrollaron modelos de CatBoost específicos para la población de NICU y PICU para predecir el inicio de la sepsis, aplicando submuestreo aleatorio para mitigar el desequilibrio de clases. Se seleccionaron aproximadamente 200 características optimizadas de un grupo de 1,924 parámetros, y se evaluó el rendimiento del modelo mediante el área bajo la curva ROC (AUC) en cohortes de validación internas y externas.

Qué encontraron

Los modelos simplificados de 18 variables demostraron un rendimiento robusto. En la cohorte de NICU, el modelo logró un AUC interno de 0.846 y AUC externos de 0.742 y 0.827. Para la cohorte de PICU, los AUC fueron 0.803, 0.717 y 0.811. Estos modelos simplificados mantuvieron un poder discriminativo comparable al de los modelos completos. Además, el análisis SHAP identificó 18 características predictivas clave para cada cohorte, con solo dos características compartidas entre las dos poblaciones, la mayoría de las cuales eran parámetros de investigación en lugar de índices de recuento sanguíneo tradicionales.

Limitaciones

El texto disponible no detalla las limitaciones del estudio.

Lectura final

Este estudio representa un avance significativo en la predicción de sepsis en poblaciones pediátricas, proporcionando modelos accesibles y clínicamente interpretables que podrían mejorar la gestión proactiva de esta condición crítica en unidades de cuidados intensivos. La identificación de características hematológicas específicas sugiere un enfoque más matizado y efectivo para el manejo de la sepsis en estos pacientes vulnerables.

Sigue leyendo

Lectura clínica

Información editorial dirigida a profesionales de la salud. No sustituye la evaluación clínica, las guías vigentes ni el juicio médico.

Clasificación editorial automática

Fuente original

PubMed/NLM – IA clínica

También en el radar

¿Quieres más contexto?

Cada semana seleccionamos las señales de IA que importan, con foco en medicina.

Únete a la lista de RADAR

Te avisaremos cuando publiquemos el primer boletín y recibirás una selección breve de las señales de IA que realmente importan.