Modelo basado en aprendizaje automático de probabilidad de riesgo de mortalidad en pacientes con trauma craneoencefálico, Hospital Ernesto Sequeira Blanco

Resumen

El objetivo de este artículo es presentar los resultados obtenidos de un proyecto cuyo propósito fue desarrollar un modelo automático que facilitara identificar las complicaciones y riesgos de mortalidad en pacientes con Trauma Craneoencefálico que llegan al Hospital Regional Escuela Ernesto Sequeira Blanco de la ciudad de Bluefields. Para el desarrollo del trabajo se utilizó el marco de trabajo SCRUM y se utilizaron técnicas de aprendizaje automático con base al conjunto de datos de CRASH-2, el cual cuenta con una base de 20,207 registros aleatorizados de pacientes que han sufrido trauma craneoencefálico. Se hizo uso de dos modelos de aprendizaje, el de regresión logística y el árbol de decisiones, haciendo una combinación entre estos para asegurar la obtención de mejores resultados. Los datos de la primera prueba realizada, aplicando el modelo de regresión, se obtuvo una precisión del 76 %, una sensibilidad del 77 % y una especificidad del 73 %. En la segunda prueba, aplicando el modelo de árbol de decisiones, se obtuvo una precisión del 80%, una sensibilidad del 81% y una especificidad del 79%. Los resultados obtenidos en la aplicación de ambas pruebas mostraron resultados prometedores para una predicción más precisa en los casos revisados durante las validaciones internas. Así mismo, estos resultados muestran que el modelo puede ser un instrumento útil en la estimación de las probabilidades de riesgo de mortalidad en pacientes con trauma craneoencefálico.