Determinación de la PEEP óptima en pacientes con ventilación mecánica utilizando inteligencia artificial

Abstract

La ventilación mecánica es esencial en pacientes críticos. El ajuste óptimo de la presión positiva al final de la espiración (PEEP) es clave para mejorar la oxigenación y reducir el daño pulmonar. Actualmente no existe un método estandarizado para su determinación. Esto impulsa el desarrollo de herramientas objetivas basadas en datos. El objetivo de este trabajo fue desarrollar y evaluar modelos de inteligencia artificial para predecir parámetros fundamentales de la función respiratoria. Estos fueron la presión parcial de oxígeno (PaO2), la presión parcial de dióxido de carbono (PaCO2) y la distensibilidad pulmonar (Crs). Además, se buscó estimar el impacto de los ajustes de PEEP sobre dichos parámetros. Se realizó un estudio con 23315 estancias en UCI procedentes de la base de datos MIMIC-III. Se incluyeron pacientes mayores de 16 años con ventilación mecánica y al menos una medición de PaO2, PaCO2 o Crs. Tras un preprocesado con imputación, codificación y normalización de variables, se entrenaron tres modelos predictivos: red neuronal individual, red neuronal multitarea y Random Forest. Se evaluó el rendimiento con el error absoluto medio (MAE) y el error porcentual absoluto medio (MAPE). También se aplicaron métodos de interpretabilidad (Permutation Importance y valores de Shapley). Por último, se implementó una simulación para estimar los efectos de cambios hipotéticos en PEEP. Random Forest logró los menores errores relativos en todas las predicciones. En gran parte de los modelos, la medición más reciente de la variable objetivo fue la que mostró mayor influencia en la predicción. Las simulaciones de cambios en PEEP generaron escenarios coherentes con respuestas fisiológicas plausibles. Los modelos desarrollados permiten estimar con precisión parámetros respiratorios relevantes y simular el impacto de ajustes de PEEP usando solo datos clínicos rutinarios. Este enfoque podría servir como apoyo a la decisión clínica en UCI y favorecer una determinación de PEEP más personalizada y segura.