What question did this study set out to answer?

El objetivo es comparar modelos de aprendizaje automático con regresión logística para estimar la supervivencia en pacientes con sarcomas de tejido blando de alta malignidad.

March 13, 2026Open Access

Aprendizaje automático y regresión logística en la estimación de la supervivencia en pacientes con sarcomas de tejido blando profundamente localizados de alta malignidad: desarrollo y análisis basado en una cohorte retrospectiva poblacional

Puntos clave

El objetivo es comparar modelos de aprendizaje automático con regresión logística para estimar la supervivencia en pacientes con sarcomas de tejido blando de alta malignidad.
Desarrollado un modelo de aprendizaje automático de bosque aleatorio
Realizada validación interna de las predicciones de supervivencia
Analizado el impacto del grado del tumor, la ubicación y la quimioterapia reciente en la supervivencia
La regresión logística superó al modelo de bosque aleatorio después de la validación
Los tumores de alto grado, la ubicación en el tronco y la quimioterapia reciente impactaron negativamente en la supervivencia
Los hallazgos son consistentes con los protocolos de tratamiento existentes para sarcomas de tejido blando de alto riesgo

Resumen

Aunque el modelo de aprendizaje automático de bosque aleatorio desarrollado tuvo un buen desempeño durante el entrenamiento, la regresión logística lo superó después de la validación interna. Los sarcomas de tejido blando ubicados en el tronco, los tumores de grado 3 y la quimioterapia dentro de los 3 meses posteriores a la cirugía demostraron el mayor efecto negativo sobre la supervivencia, consistente con los protocolos de tratamiento actuales en los que los pacientes con enfermedad de alto riesgo son tratados con terapia multimodal más agresiva. Se requiere una validación externa adicional y una evaluación de la utilidad clínica antes de una potencial implementación clínica.

Preguntar a la IA

Me gusta

Guardar

Ver artículo completo