IA puede predecir necesidad de TC en pacientes pediátricos después de una lesión cerebral traumática leve

Se han desarrollado una serie de reglas clínicas para abordar este problema, pero aún sufren limitaciones en su especificidad. Los modelos de aprendizaje automático se han aplicado en estudios limitados para imitar las reglas clínicas; sin embargo, aún se necesitan mejoras adicionales en términos de sensibilidad y especificidad equilibradas. En un nuevo estudio, los investigadores descubrieron que las redes neuronales profundas se pueden usar para predecir la necesidad de una TC en lesiones cerebrales traumáticas leves pediátricas.

Para su estudio, los investigadores de la Universidad de Queensland (Brisbane, Australia) aplicaron un modelo de redes neuronales artificiales profundas (DANN) y un algoritmo de umbral de dureza de instancia para reproducir la regla clínica de la Red de Investigación Aplicada de Atención de Emergencias Pediátricas (PECARN) en una población pediátrica recopilada como parte del estudio PECARN entre 2004 y 2006. El modelo DANN se aplicó utilizando 14.983 pacientes menores de 18 años con puntajes de la escala de coma de Glasgow ≥ 14 que tenían informes de TC de la cabeza. Las características clínicas de las reglas PECARN, PECARN-A (grupo A, edad < 2 años) y PECARN-B (grupo B, edad ≤ 2 años), se utilizaron para evaluar directamente el modelo. La exactitud, la sensibilidad, la precisión y la especificidad promedio se calcularon comparando el resultado de predicción del modelo con el informado por los investigadores de PECARN. El umbral de dureza de la instancia y el modelo DANN se aplicaron para predecir la necesidad de TC en pacientes pediátricos utilizando una validación cruzada quíntuple.

Con base en los hallazgos, los investigadores concluyeron que un modelo DANN logró una sensibilidad comparable y una especificidad sobresaliente para replicar la regla clínica PECARN y predecir la necesidad de TC en pacientes pediátricos después de una lesión cerebral traumática leve en comparación con la regla clínica original derivada estadísticamente.

Enlaces relacionados:
Universidad de Queensland