Cartes S3, Hernández E1, Pizarro G2, Hernández D1, Arancibia A3, Mora J3. Ibáñez P2. 1Fellow de EII Clínica Las Condes, Universidad de Chile. 2Programa EII, 3Centro de innovación, Clínica Las Condes.
Introducción: La colitis ulcerosa (CU) se presenta con períodos de actividad y remisión; 15-25% de los pacientes experimentará una crisis severa. El uso IA podría generar modelos predictivos de crisis para esta enfermedad. Objetivo: Desarrollar un modelo predictivo de crisis para CU, mediante el uso de IA a partir del registro prospectivo fines de investigación del programa de EII. Metodología: Extracción de datos para análisis descriptivo. Preprocesamiento de datos para definir variables del modelo. Cada paciente fue contrastado según su condición (remisión/crisis) al tiempo de consulta X y contrastado con su siguiente consulta (X+1). Se definieron 8 variables clinicas para este modelo. Para el desarrollo de los modelos predictivos se utilizaron librerías de Python (sklearn), optimización de exactitud con balance de datos con oversampling. Finalmente se dividen el total de datos en grupos de entrenamiento y prueba para el aprendizaje del algoritmo. Se evaluaron los modelos según exactitud, área bajo la curva (AUC), sensibilidad y precisión. Resultados: De un total de 1.197 pacientes se evaluaron 6.665 episodios de seguimiento. Usando 8 variables clínicas (tabla 1), se ejecutaron 14 modelos, siendo el de vecinos más cercanos (KNN) el que obtuvo el mejor desempeño con exactitud de 0.75, AUC 0,87, sensibilidad 0,86 y Precisión 0,7. Conclusiones: Mediante IA, y en base a variables clínicas, se logra un modelo predictivo de crisis. La alimentación continua, incremento del volumen de datos y multicéntrica permitirá la validación de esta herramienta y su potencial uso clínico.
PDF | DOI: 10.46613/congastro2022-33
XLIX Congreso Chileno de Gastroenterología – 2022