Predicción del estado neurológico funcional en pacientes con hemorragia subaracnoidea aneurismática mediante técnicas de aprendizaje automático. Propuesta de un nomograma basado en variables clínicas

Abstract

La HSAa causa graves secuelas neurológicas que condicionan el pronóstico funcional de quienes sobreviven. Existen factores de riesgo que permiten identificar pacientes susceptibles de sufrir una peor evolución. Sin embargo, no predicen con precisión su resultado funcional definitivo. Las técnicas de ML procesan grandes volúmenes de datos y construyen algoritmos predictivos a partir de ellos. El objetivo del estudio es predecir el estado neurológico funcional en una cohorte consecutiva de pacientes con HSAa mediante técnicas de ML a partir de variables clínicas, además de crear un nomograma predictivo a partir de dichas variables. Como conclusión se puede decir que los algoritmos de ML basados en variables clínicas permiten predecir con elevada precisión el resultado funcional de los pacientes con HSAa.