Aplicación del aprendizaje automático para predecir la recuperación de la conciencia de pacientes en rehabilitación
Resumen.
Introducción: Las lesiones cerebrales adquiridas representan la principal causa de muerte y discapacidad, especialmente en la población joven. Entre las secuelas más graves se encuentran los desórdenes prolongados de conciencia (DPC). Objetivo: Predecir el pronóstico de pacientes adultos con DPC que participaron de un programa de Neurorehabilitación. Sujetos y Métodos: Estudio observacional de cohorte retrospectiva de pacientes con DPC admitidos a un programa intensivo de rehabilitación multisensorial (2004-2019). Utilizando tecnología de Aprendizaje Automático (AA) se construyeron modelos para determinar la recuperación de la conciencia. Se consideraron como variables predictoras: edad, género, etiología, tiempo de evolución, estado de conciencia inicial, escala de Recuperación de Coma Revisada (ERC-R) inicial y al mes. Resultados: Se incluyeron 69 hombres y 26 mujeres que permanecieron en el programa durante 153 días (mediana, CI: 82 - CS: 218). Al ingreso, el 65% cumplían criterios de Síndrome de Vigilia sin Respuesta y el 35% de Estado de Conciencia Mínima. Durante el seguimiento el 26% (27/103) recuperó la conciencia. Con 66 pacientes se entrenaron modelos de AA. En la validación (n=29) el clasificador Bayesiano Ingenuo logró la mejor exactitud balanceada: 0.84 (Área Bajo la Curva: 0.88, Sensibilidad: 81%, Especificidad: 94% para clasificar pacientes que no recuperaron la conciencia y Sensibilidad: 88%, Especificidad: 64% para los que sí se recuperaron). Conclusiones: Con la tecnología de AA fue posible predecir con buen rendimiento la recuperación de la conciencia de pacientes con DPC incluyendo variables recolectadas durante el primer mes de internación.