Desarrollo y validación de modelos de aprendizaje automático para predicción de muerte neonatal en gestantes de unidad de cuidados intensivos

Abstract

Construir y validar algoritmos de aprendizaje automático para predecir muerte neonatal a partir de características maternas y clínicas de gestantes de una unidad de cuidados intensivos. Métodos: Estudio observacional con diseño transversal. Participaron gestantes de unidad de cuidados intensivos atendidas en un hospital nacional nivel III de Perú. Se recogió información materna y se aplicaron modelos de aprendizaje automático para la predicción de muerte neonatal. Resultados: Participaron 280 gestantes, de los modelos evaluados fue seleccionado Gradient Boosting por presentar mejor F1-score, curva ROC, tiempo computacional y ratio de aprendizaje. Las variables con mayor relevancia en el modelo fueron edad gestacional, eclampsia, infección de riñón, edad materna, placenta previa complicado con hemorragia, preeclampsia severa, número controles prenatales y número abortos previos. Se obtuvo un área bajo la curva de 0.98 (IC95%: 0.97 - 1), sensibilidad 0.99 (IC95%: 0.98 - 1) y especificidad 0.98 (IC95%: 0.94 - 1). Conclusión: La predicción de muerte neonatal en una población como la nuestra de gestantes en una unidad de cuidados intensivos presenta una adecuada capacidad para predecir los casos de muerte neonatal, usando aprendizaje automático

Intrauterine growth restriction represents an important perinatal morbimortality and its detection varies according to clinical models and characteristics of each population. OBJECTIVES: To evaluate if uterine artery Doppler and maternal age conform a clinical model with predictive capacity of intrauterine growth restriction in a wide sample of Peruvian population. MATERIALS AND METHOD: Observational, analytical, diagnostic test study. A total of 1344 pregnant women attended a national maternal perinatal reference center Level III in Peru between 2010-2018. The sample was randomly selected and divided: training sample and validation sample. In the analysis, multivariate analysis and measurement of diagnostic and predictive capabilities were applied. RESULTS: The clinical model formed by the average pulsatility index greater than the 95th percentile of the uterine artery and maternal age greater than 35 years made up the model with the lowest Akaike's penalty indicator compared to the other clinical models developed in the present study, Youden's index was 0.53. The area under the ROC curve 0.75. Sensitivity 71.5%, specificity 72.1%, positive predictive value 65.8%, negative predictive value 91.2%. CONCLUSIONS: The use of the average pulsatility index of the uterine artery associated with maternal age contributes to the formation of a model to discriminate IUGR; however, it requires other factors to adjust the model for a higher detection rate.