Modelos de aprendizaje automático identifican embarazos de mayor riesgo en etapas más tempranas

Aunque la estratificación temprana del riesgo puede guiar una vigilancia dirigida y una intervención oportuna, su uso sigue siendo inconsistente entre los distintos entornos asistenciales. Un nuevo estudio multicéntrico presenta modelos de aprendizaje automático diseñados para identificar antes los embarazos de mayor riesgo.

El enfoque de predicción del riesgo antenatal en el primer trimestre basado en aprendizaje automático utilizó información disponible en las primeras 14 semanas y analizó registros de más de medio millón de embarazos en Suecia, Chile y Singapur. El estudio multicéntrico de desarrollo del modelo fue publicado en el Journal of Medical Internet Research. Los modelos estiman riesgos individualizados de resultados maternos y neonatales adversos para orientar la atención.

Los modelos incorporaron antecedentes médicos junto con información social, demográfica y conductual disponible al inicio del embarazo. Los factores sociales y demográficos se situaron entre los predictores más informativos en algunas poblaciones. Estas herramientas están concebidas como apoyo a la toma de decisiones para los clínicos y no como sustitutos del juicio profesional.

En general, los modelos superaron las evaluaciones tempranas de riesgo existentes. La capacidad de discriminación mejoró sustancialmente en Suecia y Chile, mientras que las mejoras en Singapur fueron menores, aunque siguieron siendo estadísticamente significativas. La calibración varió, con una concordancia razonable entre los riesgos previstos y observados en Suecia y Singapur, y un modelo menos bien calibrado en Chile, lo que subraya la necesidad de una adaptación local y de pruebas cuidadosas.