Modelo basado en aprendizaje automático de estimación de riesgo de mortalidad en pacientes con trauma craneoencefálico, Hospital Ethel Kandler

Resumen

La Inteligencia Artificial y la medicina han encontrado varios puntos en los que convergen, cambiando el concepto de salud. Entre los problemas de atención inmediata se encuentran los traumas craneoencefálicos (TCE), que constituyen un importante problema de salud pública en todos los países, cada día en el mundo, alrededor de 16.000 personas mueren por traumatismos. Este estudio tiene como objetivo desarrollar un modelo basado en Aprendizaje Automático para estimar la probabilidad de riesgo de mortalidad en pacientes con TCE. El proyecto se desarrolló en el Hospital Ethel Kandler del municipio Corn Island del Región Autónoma Costa Caribe Sur, bajo la metodología SCRUM, la cual permitió la retroalimentación continua del modelo propuesto, los algoritmos de Aprendizaje Automático seleccionados para la construcción del modelo fueron el Random Forest y K-NN, el conjunto de datos para el modelo inicial fue el CRASH-2, todo el análisis y procesamiento se realizó en Python. Se ha demostrado que el modelo es capaz de predecir con una precisión aceptable la probabilidad de mortalidad en pacientes con TCE, sin embargo, Random Forest tuvo un mejor desempeño; en promedio tuvo una efectividad del 87,06%, mientras que la K-NN fue del 77,87%. Los resultados fueron prometedores, y el estudio ofrece una perspectiva alentadora para el desarrollo de futuros modelos de predicción basados en Aprendizaje Automático. Es importante destacar que este modelo es complementario a la toma de decisiones clínicas y no debe reemplazar el juicio clínico.