Clasificadores de inteligencia artificial basados en Radiómica del TC basal para predecir pronóstico funcional en pacientes con Hemorragia Intracerebral Espontánea (HIE).

Resumen

Objetivos  Evaluar si clasificadores de Inteligencia Artificial basados en Radiómica del TC basal pueden predecir el pronóstico funcional en pacientes con HIE.  Material y métodos  Se analizaron 105 biomarcadores de imagen cuantitativa obtenidos del TC basal de 105 pacientes con HIE. Estos biomarcadores se extrajeron utilizando el módulo “Radiomics” de 3D-Slicer con segmentación manual por un radiólogo cualificado. Tras imputar valores perdidos y valores atípicos, los valores se estandarizaron y normalizaron. La muestra se dividió en una cohorte de prueba y otra de validación de entrenamiento(70-30%). Se usaron diferentes métodos de selección de variables y distintos clasificadores predictivos(lineales, no lineales y combinados) para clasificar el pronóstico funcional del paciente al alta en buen/mal pronóstico(mRS0-2/mRS3-6). Se realizaron 10 iteraciones de validación cruzada estratificada en la cohorte de entrenamiento y se calculó la media de los valores de área bajo la curva(AUC). Una vez entrenados los distintos modelos, se calculó la sensibilidad de cada uno en la cohorte de validación.  Resultados  Los clasificadores P-SVM, KNN-E y RF-10, en combinación con la selección de variables ANOVA, fueron los que consiguieron los mejores rendimientos en la cohorte de entrenamiento(AUC 0.798, 0.752 y 0.742 respectivamente). Para los modelos con mejor rendimiento, la sensibilidad en la cohorte de validación fue de 0.892(0.778-1;95%IC), con 0 falsos negativos.   Conclusiones  El uso de clasificadores de Inteligencia Artificial basados en Radiómica son una herramienta diagnóstica prometedora para predecir el pronóstico funcional en pacientes con HIE. Es necesario mejorar el rendimiento de estos algoritmos y confirmarlos con cohortes de validación externa.