Uso de un modelo de conjunto de aprendizaje automático guiado para predecir la disposición del alta tras la resección de meningioma

Objetivo: Los algoritmos de aprendizaje automático (ML) son herramientas poderosas para predecir los resultados de los pacientes. Este estudio prueba un enfoque novedoso para la selección de algoritmos y la creación de modelos utilizando la predicción de la disposición del alta tras la resección de meningioma como prueba de concepto. Materiales y Métodos: Se entrenaron una diversidad de algoritmos de ML en una base de datos de pacientes con meningioma de una sola institución para predecir la disposición del alta. Los algoritmos fueron clasificados por su poder predictivo y los mejores rendimientos se combinaron para crear un modelo en conjunto. El modelo final fue validado internamente en datos nunca antes vistos para demostrar su generalizabilidad. El poder predictivo del conjunto fue comparado con una regresión logística. Se realizaron análisis adicionales para identificar cómo las variables importantes impactan en el conjunto. Resultados: Nuestro modelo en conjunto predijo la disposición de manera significativamente mejor que una regresión logística (área bajo la curva de 0.78 y 0.71, respectivamente, p = 0.01). El tamaño del tumor, la presentación en el departamento de emergencias, el índice de masa corporal, la ubicación de la convexidad y el déficit motor preoperatorio influyen más fuertemente en el modelo, aunque el impacto independiente de las variables individuales es matizado. Conclusión: Usando una técnica de ML novedosa, construimos un modelo de conjunto de ML guiado que predice el destino de alta tras la resección de meningioma con un mayor poder predictivo que una regresión logística, y que proporciona una mayor perspectiva clínica que un análisis univariante. Estas técnicas pueden extenderse para predecir muchos otros resultados de pacientes de interés.