Artículo de investigación
* These authors contributed equally
Este protocolo detalla la extracción de datos clínicos de UCI de la base de datos MIMIC-IV y la aplicación progresiva del análisis de supervivencia y modelos de aprendizaje automático interpretables para evaluar la albúmina sérica como predictor de mortalidad a 28 días en pacientes con cáncer de pulmón.
La albúmina sérica refleja el estado nutricional, la inflamación sistémica y la carga de enfermedades. Sin embargo, su importancia pronóstica en pacientes gravemente enfermos con cáncer de pulmón sigue siendo incierta. Este estudio tenía como objetivo investigar la asociación entre la albúmina sérica y la mortalidad por todas las causas a 28 días en pacientes de unidad de cuidados intensivos (UCI) con cáncer de pulmón y evaluar su valor predictivo en modelos de aprendizaje automático (ML). Este estudio de cohorte retrospectivo incluyó a 1.274 pacientes adultos de UCI con cáncer de pulmón de la base de datos Medical Information Mart for Intensive Care IV (MIMIC-IV). Los modelos de riesgos proporcionales de Cox multivariables evaluaron la asociación entre albúmina sérica y mortalidad a 28 días. Análisis adicionales incluyeron splines cúbicos restringidos, curvas de supervivencia de Kaplan–Meier y análisis de subgrupos. Los clasificadores ML se desarrollaron utilizando el operador de menor contracción absoluta y selección (LASSO) y Boruta para la selección de características. Se seleccionó la regresión logística como modelo óptimo, utilizando los valores de SHapley Aditivas (SHAP) para la interpretación. Entre 1.274 pacientes, la tasa de mortalidad a los 28 días fue del 26,9%. Los niveles más bajos de albúmina sérica se asociaron de forma independiente con una mortalidad más alta a los 28 días. La razón de riesgo para cada aumento de 1 g/dL en la albúmina sérica fue de 0,729 (IC 95%, 0,597–0,891; p = 0,002). Se observó una asociación inversa en los cuartiles de albúmina sérica (p para la tendencia <0,001), y el análisis de Kaplan–Meier mostró menor mortalidad entre pacientes con albúmina ≥2,9 g/dL (logarítmic p < 0,0001). El modelo de regresión logística alcanzó una AUC de 0,767 en la cohorte de validación, lo que indica una buena discriminación y calibración. El análisis SHAP identificó la albúmina sérica como un predictor clave de mortalidad a 28 días. Una albúmina sérica más baja se asoció de forma independiente con un aumento de la mortalidad a corto plazo en pacientes de UCI con cáncer de pulmón. La albúmina sérica puede servir como un biomarcador práctico para la estratificación temprana del riesgo en esta población. Los modelos de aprendizaje automático que incorporan albúmina demostraron un fuerte rendimiento predictivo e interpretabilidad.
El cáncer de pulmón sigue siendo una de las formas de malignidad más comunes y mortales en todo el mundo. Según informa el Observatorio Global del Cáncer (GLOBOCAN 2020), el cáncer de pulmón representa alrededor del 11,4 % de todos los casos de cáncer recientemente identificados y sigue siendo la principal causa de muertes relacionadas con el cáncer, contribuyendo a aproximadamente el 18 % de las muertes por cáncer entodo el mundo. Aunque se han logrado avances significativos en técnicas diagnósticas tempranas, regímenes quimioterapéuticos y enfoques de tratamiento dirigidos, la tasa global de supervivencia a 5 años para el cáncer de pulmón persiste por debajo del 20%, principalmente debido a su presentación en fase avanzada y su naturaleza altamenteagresiva 2.
Un número significativo de personas diagnosticadas con cáncer de pulmón requieren ingreso en la unidad de cuidados intensivos (UCI) a lo largo de toda su trayectoria, la mayoría de las veces como consecuencia de complicaciones como dificultad respiratoria aguda, infecciones graves o hemorragias, que pueden derivarse tanto de la progresión del cáncer como de efectos adversos asociados al tratamiento. Entre este grupo de pacientes, el ingreso en UCI está fuertemente vinculado a pronósticos negativos a corto plazo, con tasas de mortalidad reportadas a 28 días que oscilan entre el 30% y el 60%, superando sustancialmente las observadas en la población más amplia deUCI 3. En cohortes previas de UCI con pacientes con cáncer de pulmón, las comórbidas son muy prevalentes, con hipertensión y diabetes reportadas en aproximadamente el 46,1% y el 37,9% de los pacientes, respectivamente. Además, casi la mitad de estos pacientes presentan una discapacidad funcional basal moderada a grave (45,6%), lo que puede complicar la gestión de la UCI y contribuir a malos resultados a cortoplazo 4. El cuidado de pacientes con cáncer de pulmón en estado crítico dentro del entorno de la UCI presenta complejidades terapéuticas significativas. La toma de decisiones clínicas para estos pacientes requiere frecuentemente evaluaciones detalladas sobre el inicio de la ventilación mecánica, la administración de vasopresores y el despliegue de antibióticos de amplio espectro, todo lo cual debe considerarse dentro del marco de un cáncer subyacente que normalmente presenta un potencial limitado de reversión. Varias variables subyacen a su mayor vulnerabilidad a la mortalidad temprana, como la progresión tumoral extensa, respuestas inflamatorias sistémicas persistentes, funcionalidad orgánica comprometida y deficienciasnutricionales 5. La hipoalbuminemia se identifica frecuentemente como uno de los factores clínicos clave asociados a la mortalidad temprana en esta población de pacientes. La albúmina sérica actúa como un indicador que refleja tanto la desnutrición crónica resultante de la caquexia asociada al cáncer como respuestas inflamatorias sistémicas agudas durante enfermedades críticas, proporcionando potencialmente información pronósticaimportante 6. Aunque la albúmina sérica se mide rutinariamente en la práctica clínica, su valor pronóstico no ha sido investigado a fondo en pacientes con cáncer de pulmón ingresados en UCI, y está en gran medida ausente de las herramientas actuales de predicciónde riesgo. Teniendo en cuenta la elevada mortalidad a corto plazo y la complejidad del manejo en este contexto clínico, existe una necesidad urgente de biomarcadores fácilmente accesibles y prácticos para facilitar la evaluación temprana del riesgo e informar las decisiones de tratamiento. En este contexto, la albúmina sérica merece más investigación para aclarar su importancia pronóstica en personas gravemente enfermas con cáncer depulmón 8,9,10.
Debido a las complejas e interrelacionadas características de los factores de riesgo asociados al cáncer, los enfoques estadísticos convencionales suelen enfrentarse a desafíos para modelar eficazmente las asociaciones intrínsecas no lineales incrustadas en conjuntos de datos clínicos de alta dimensión. La llegada de las metodologías de aprendizaje automático (ML) ha introducido nuevas vías para mejorar la predicción del riesgo de cáncer. Técnicas como el bosque aleatorio (RF), el aumento extremo de gradiente (XGBoost) y la máquina de vectores de soporte (SVM) han adquirido una amplia aplicación en investigaciones biomédicas, demostrando grandes capacidades para gestionar patrones de datos complejos y ofrecer una precisión predictiva superior11,12. No obstante, las características opacas o de caja negra de estos modelos restringen su interpretabilidad y dificultan su integración en entornos clínicos. Para superar esta desventaja, se ha introducido SHapley Additive Explanations (SHAP), un método basado en la teoría de juegos, como una herramienta poderosa para mejorar la transparencia delmodelo 13. Mediante el cálculo de los valores de Shapley para cada característica, SHAP cuantifica eficazmente el impacto de variables específicas en las salidas del modelo, mejorando así tanto la interpretabilidad como lafiabilidad 14. Este enfoque ha visto una adopción creciente dentro de la investigación biomédica como medio para promover la aplicabilidad clínica de los modelos basados en aprendizaje automático.
Teniendo en cuenta estos factores, este estudio fue diseñado para explorar en profundidad la importancia pronóstica de la albúmina sérica en personas gravemente enfermas diagnosticadas con cáncer de pulmón, utilizando información clínica derivada de la base de datos Medical Information Mart for Intensive Care IV (MIMIC-IV). Para lograr este objetivo, utilizamos tanto análisis estadísticos convencionales como métodos de aprendizaje automático. Hasta donde sabemos, pocos estudios han examinado la albúmina sérica tanto como factor pronóstico independiente como contribuyente clínicamente interpretable dentro de modelos de aprendizaje automático, específicamente en pacientes de UCI con cáncer depulmón 15. La mayoría de los estudios existentes se han centrado en poblaciones generales de UCI o en cohortes oncológicas no relacionadas con UCI, mientras que los modelos pronósticos basados en aprendizaje automático en pacientes críticos con cáncer han enfatizado en gran medida el rendimiento predictivo sin evaluar explícitamente la contribución clínica de biomarcadoresindividuales 16.
En este contexto, el presente estudio integra el análisis convencional de supervivencia con enfoques de aprendizaje automático e interpretación basada en SHAP para clarificar la asociación entre la albúmina sérica y la mortalidad por todas las causas a 28 días y para cuantificar su importancia relativa dentro de un marco predictivo interpretable adaptado a esta población de alto riesgo. Inicialmente, se aplicaron modelos de riesgos proporcionales de Cox multivariables para evaluar la relación independiente entre los niveles de albúmina sérica y la mortalidad por todas las causas a 28 días, con ajustes para los factores de confusión relevantes. Simultáneamente, se construyeron modelos predictivos utilizando algoritmos de aprendizaje automático para identificar los principales determinantes pronósticos y examinar la contribución específica de la albúmina sérica a la capacidad predictiva global. Se centró especialmente en mejorar la interpretabilidad del modelo mediante el uso de SHAP, permitiendo cuantificar el impacto relativo de la albúmina sérica en comparación con otras características clínicas. Al incorporar albúmina sérica junto con indicadores clínicos recogidos rutinariamente, esta investigación busca establecer una herramienta robusta e interpretable de estratificación de riesgos para mejorar la toma temprana de decisiones clínicas y permitir una atención individualizada para esta cohorte de alto riesgo.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Acceso a bases de datos y entorno de software
Obtenga acceso autorizado a la base de datos Medical Information Mart for Intensive Care IV (MIMIC-IV, v3.1) tras completar la formación requerida sobre uso ético de datos (ID de certificación: 69002811). Según las Medidas para la Revisión Ética de la Investigación en Ciencias de la Vida y Médica que Involucre a Sujetos Humanos (18 de febrero de 2023, China), el Artículo 32 estipula que la investigación que utiliza datos públicos obtenidos legalmente, datos generados sin interferir con el comportamiento público o información anonimizada está exenta de revisión ética. En consonancia con estas disposiciones, este estudio estuvo exento de la aprobación ética institucional. Se siguieron estrictamente el protocolo de uso de datos y las directrices éticas, y el estudio se llevó a cabo únicamente con fines de investigación científica. Configura el entorno de la base de datos usando PostgreSQL (v17.1.11). Utiliza Navicat Premium (v17) como interfaz de gestión de bases de datos y consultas para ejecutar consultas SQL y exportar conjuntos de datos extraídos para su análisis.
Selección de pacientes
Identificar pacientes con cáncer de pulmón en MIMIC-IV utilizando los códigos17 de la Clasificación Internacional de Enfermedades, Novena y Décima Revisión (CIE-9 e CIE-10). Aplicar los siguientes criterios de exclusión de forma secuencial: Edad <18 años o >90 años; Falta de mediciones de albúmina sérica en las primeras 24 horas tras el ingreso en UCI; Múltiples ingresos en UCI o hospitales; Duración de la estancia en UCI <24 horas.
Extracción variable
Extrae variables de MIMIC-IV (v3.1) usando PostgreSQL (v17.1.11) a través de Navicat Premium (v17), incluyendo: demografía, signos vitales, pruebas de laboratorio, comorbilidades, intervenciones terapéuticas, puntuaciones de gravedad y resultados. Demografía: edad, género. Signos vitales en las primeras 24 horas tras el ingreso en la UCI: frecuencia cardíaca (FC), frecuencia respiratoria (RR), saturación de oxígeno (SpO₂) y temperatura. Variables de laboratorio en las primeras 24 horas: albúmina sérica, glucosa, creatinina, nitrógeno urea, bilirrubina total, hemoglobina, recuento de glóbulos rojos (glóbulos rojos), recuento de glóbulos blancos (GBB), recuento de plaquetas, ancho de distribución de glóbulos rojos (RDW), alanina aminotransferasa (ALT), aspartato aminotransferasa (AST), tiempo de protrombina (PT), calcio, potasio, sodio y cloruro. Comorbilidades según los registros diagnósticos: hipertensión, cirrosis hepática, enfermedad renal crónica, diabetes mellitus, bronquitis crónica, insuficiencia cardíaca congestiva y enfermedad pulmonar obstructiva crónica (EPOC). Puntuaciones de gravedad en el ingreso en UCI: Evaluación Secuencial de Insuficiencia Orgánica (SOFA), Puntuación Simplificada de Fisiología Aguda II (SAPS II), Índice de Comorbilidad Charlson, Evaluación de Fisiología Aguda y Salud Crónica II (APACHE II). Intervenciones terapéuticas: corticosteroides sistémicos, antibióticos, vasopresores. Factor de estilo de vida: historial de tabaquismo. Para todas las variables de laboratorio y puntuaciones de severidad en las primeras 24 horas, si hay múltiples mediciones disponibles, calcular el valor medio durante elprimer día y utilizar este valor para el análisis. Excluye variables con más del 20% de datos faltantes. Para variables con ausencia ≤20%, realiza la imputación utilizando el algoritmo missForest, un método de aprendizaje automático basado en bosque aleatorio para manejar datos clínicos de tipo mixto. La proporción de datos faltantes para variables clave se proporciona en la Tabla Suplementaria 1.
Definición del resultado
Defina el resultado principal como mortalidad por todas las causas dentro de los 28 días posteriores al ingreso en UCI. Determinar el estado de mortalidad utilizando los registros de defunción disponibles en la base de datos MIMIC-IV. Clasificar a los pacientes como supervivientes o no supervivientes en función del estado de mortalidad a los 28 días.
Análisis estadístico
Evalúa la distribución de variables continuas utilizando la prueba de Shapiro–Wilk. Comparar variables distribuidas normalmente usando la prueba t de Student y variables distribuidas no normalmente usando la prueba de suma de rangos de Wilcoxon. Compara variables categóricas usando la prueba del chi-cuadrado. Realizar la regresión de menor contracción absoluta y operador de selección (LASSO) con validación cruzada de 10 veces para seleccionar variables candidatas y reducir la multicolinealidad. Construir modelos de riesgos proporcionales de Cox multivariables para evaluar la asociación independiente entre la albúmina sérica y la mortalidad a 28 días. La albúmina sérica se introdujo tanto como variable continua como categórica, e incluyeron covariables seleccionadas por regresión LASSO para su ajuste. Se estimaron razones de riesgo (HR) e intervalos de confianza (IC) del 95%. Explora asociaciones no lineales utilizando el análisis de spline cúbica restringida (RCS). Se colocaron nudos en percentiles predefinidos de la distribución de albúmina y se evaluó la no linealidad mediante la prueba de los términos de la spline. Genera curvas de supervivencia de Kaplan–Meier y compara distribuciones de supervivencia usando la prueba log-rank.
Desarrollo y validación de modelos de aprendizaje automático
Divide aleatoriamente el conjunto de datos a nivel de paciente en un conjunto de entrenamiento (70%), un conjunto de validación (15%) y un conjunto de pruebas independiente (15%). Realizar la selección de características usando el conjunto de entrenamiento únicamente identificando la intersección de variables seleccionadas por la regresión LASSO y el algoritmo Boruta, asegurando que solo se conserven predictores estables y relevantes. Entrenar ocho clasificadores de aprendizaje automático en el conjunto de entrenamiento, incluyendo regresión logística, bosque aleatorio, árbol de decisiones, máquina de vectores de soporte, XGBoost, LightGBM, Bayes naïve complementario y clasificador de vectores de soporte. El rendimiento del modelo se evaluó primero en el conjunto de validación y posteriormente se confirmó en el conjunto de pruebas independiente utilizando el AUC-ROC, AUC-PR, precisión, sensibilidad, especificidad, curvas de calibración, análisis de curvas de decisión y curvas de aprendizaje.
Interpretación del modelo y punto final
Identificar el modelo de aprendizaje automático con mejor rendimiento basándose en métricas de validación. Aplicar las Explicaciones Aditivas de Shapley (SHAP) para cuantificar la contribución de cada característica a la predicción de la mortalidad. Genera gráficos de resumen y dependencia de SHAP para visualizar la importancia relativa y la dirección de la albúmina sérica y otros predictores. Completar el análisis integrando resultados estadísticos y de aprendizaje automático para establecer un marco interpretable de estratificación de riesgos.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Características básicas
Se identificaron y extrajeron un total de 1.274 pacientes con cáncer de pulmón de la base de datos MIMIC-IV (Figura 1). La edad mediana de la cohorte era de 69 años (IQR: 61–77), y el 51,18% eran hombres. En total, 343 pacientes (26,92%) murieron en los 28 días posteriores a su ingreso en UCI. Las características basales estratificadas según el estado de supervivencia a 28 días se presentan en la Tabla 1
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
En este estudio, examinamos la asociación entre los niveles de albúmina sérica y la mortalidad por todas las causas a 28 días en pacientes de UCI con cáncer de pulmón, utilizando datos de la base de datos MIMIC-IV. Los niveles más bajos de albúmina sérica se asociaron de forma independiente con un mayor riesgo de mortalidad a 28 días, incluso tras ajustar para una amplia gama de covariables clínicas. Esta asociación se mantuvo consistente en varios enfoques analíticos, incluyendo los mod...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Los autores no declaran intereses en competencia.
Agradecemos sinceramente las contribuciones significativas de todos los autores a este estudio; Sus esfuerzos invaluables han sido fundamentales para su éxito. Esta investigación fue financiada por la Fundación Nacional de Ciencias Naturales de China (82174415, 82405441), el proyecto de innovación en ciencia y tecnología de la Academia China de Medicina Tradicional China (CI2021A01818, C12021A03307, C12021A05054) y el Proyecto de Construcción de Hospitales de Medicina Tradicional China de Alto Nivel del Hospital Wangjing, Proyecto Especial de Investigación Clínica Basada en Evidencia Clínica para la Medicina Tradicional China (WJYY-XZKT-2023-25).
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
| Nombre | Empresa | Número de catálogo | Comentarios |
|---|---|---|---|
| Medical Information Mart for Intensive Care IV (MIMIC-IV) Database | Instituto Tecnológico de Massachusetts | http: //mimic.physionet.org/ | |
| Navicat Premium (v17) | PremiumSoft CyberTech Ltd. | ||
| PostgreSQL (v17.1.11) | PostgreSQL Global Development Group | ||
| Python (v3.10) | Python Software Foundation | ||
| R Statistical Software (v4.2.3) | R Foundation for Statistical Computing | ||
| SHapley Additive exPlanations (SHAP) | Software de código abierto |
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Solicitar permiso para reutilizar el texto o las figuras de este artículo de JoVE
Solicitar permiso