| TAZ-TFG-2022-861 |
Predicción de supervivencia del Injerto en el Trasplante Hepático: un modelo predictivo supervisado con Redes Neuronales Artificiales
Marín Araiz, Lucía
Zalba Etayo, Begoña (dir.)
Universidad de Zaragoza,
MED,
2022
Graduado en Medicina
Resumen: OBJETIVO:Describir un nuevo Indicador de Supervivencia del Injerto en el Trasplante Hepático que sea una combinación de los factores del donante, del receptor (enfermedad primaria y comorbilidades) y del proceso donación-trasplante, empleando una Red Neuronal Artificial.
MATERIAL y MÉTODO:
Fuentes de datos y variables: El estudio se ha llevado a cabo a partir de todos los pacientes con Trasplante Hepático (primer trasplante) realizados en el Hospital Clínico Universitario Lozano Blesa de 2000 a 2021. Hemos analizado una base de datos anonimizada y que solo contenía información clínica. En variables se han recogido todas aquellas contempladas en el RETH con significación estadística en la supervivencia del injerto, así como las comorbilidades del receptor.
Red Neuronal Artificial: El modelo de Red Neuronal escogido es un perceptor multicapa (MLP Multilayer Perceptron) y el algoritmo de aprendizaje utilizado el Gradiente Conjugado Escalado. Con una capa de salida de dos neuronas cuya función de activación es Softmax.
Evento: El evento objeto del estudio se define como la pérdida del injerto por retrasplante o exitus con disfunción del injerto en el primer año tras el trasplante.
Indicador: El indicador se ha considerado el valor de la neurona de la capa de salida que predice que va a ocurrir el evento. La potencia del indicador ha sido medida mediante métricas de rendimiento, un análisis ROC y el parámetro de importancia de la variable (IV).
RESULTADOS:
Nuestra serie consta de 596 pacientes de los cuales el evento se produjo en el 14% de los casos. El 67.4% de los casos tenía alguna comorbilidad asociada. Las únicas comorbilidades que mostraron diferencias estadísticamente significativas en relación a la supervivencia del injerto fueron: Antiagregación y/o Anticoagulación (4.5 vs 11.9%), Trombosis Portal (3.3 vs 9.5%) y el Virus de Hepatitis C (27.1 vs 41.7%); todas ellas con una p < 0.01.
Se obtuvo una Red Neuronal 8:7:2 y el indicador mostró un Área ROC de 0.701, con diferencias significativas respecto de la asíntota (p < 0.05). Con un punto de corte > 0.5. El indicador obtuvo una exactitud de 86.24% y una especificidad del 99.61%.
Las variables más importantes en la predicción del evento fueron: La edad del donante (IV normalizada 100%), la trombosis portal (IV normalizada 87.9%) y la causa del trasplante (IV normalizada 76.3%).
CONCLUSIÓN:
Es posible crear un nuevo indicador de supervivencia del injerto en el Trasplante Hepático utilizando un modelo supervisado de Redes Neuronales Artificiales, cuyo rendimiento podría mejorarse si se creara a partir de una base de datos multicéntrica amplia.
Las comorbilidades son muy frecuentes entre los receptores de Trasplante Hepático y algunas de ellas podrían ser un factor predictivo muy importante en la supervivencia del injerto.
MATERIAL y MÉTODO:
Fuentes de datos y variables: El estudio se ha llevado a cabo a partir de todos los pacientes con Trasplante Hepático (primer trasplante) realizados en el Hospital Clínico Universitario Lozano Blesa de 2000 a 2021. Hemos analizado una base de datos anonimizada y que solo contenía información clínica. En variables se han recogido todas aquellas contempladas en el RETH con significación estadística en la supervivencia del injerto, así como las comorbilidades del receptor.
Red Neuronal Artificial: El modelo de Red Neuronal escogido es un perceptor multicapa (MLP Multilayer Perceptron) y el algoritmo de aprendizaje utilizado el Gradiente Conjugado Escalado. Con una capa de salida de dos neuronas cuya función de activación es Softmax.
Evento: El evento objeto del estudio se define como la pérdida del injerto por retrasplante o exitus con disfunción del injerto en el primer año tras el trasplante.
Indicador: El indicador se ha considerado el valor de la neurona de la capa de salida que predice que va a ocurrir el evento. La potencia del indicador ha sido medida mediante métricas de rendimiento, un análisis ROC y el parámetro de importancia de la variable (IV).
RESULTADOS:
Nuestra serie consta de 596 pacientes de los cuales el evento se produjo en el 14% de los casos. El 67.4% de los casos tenía alguna comorbilidad asociada. Las únicas comorbilidades que mostraron diferencias estadísticamente significativas en relación a la supervivencia del injerto fueron: Antiagregación y/o Anticoagulación (4.5 vs 11.9%), Trombosis Portal (3.3 vs 9.5%) y el Virus de Hepatitis C (27.1 vs 41.7%); todas ellas con una p < 0.01.
Se obtuvo una Red Neuronal 8:7:2 y el indicador mostró un Área ROC de 0.701, con diferencias significativas respecto de la asíntota (p < 0.05). Con un punto de corte > 0.5. El indicador obtuvo una exactitud de 86.24% y una especificidad del 99.61%.
Las variables más importantes en la predicción del evento fueron: La edad del donante (IV normalizada 100%), la trombosis portal (IV normalizada 87.9%) y la causa del trasplante (IV normalizada 76.3%).
CONCLUSIÓN:
Es posible crear un nuevo indicador de supervivencia del injerto en el Trasplante Hepático utilizando un modelo supervisado de Redes Neuronales Artificiales, cuyo rendimiento podría mejorarse si se creara a partir de una base de datos multicéntrica amplia.
Las comorbilidades son muy frecuentes entre los receptores de Trasplante Hepático y algunas de ellas podrían ser un factor predictivo muy importante en la supervivencia del injerto.
Tipo de Trabajo Académico: Trabajo Fin de Grado
Enlace permanente:
El registro pertenece a las siguientes colecciones:
Trabajos académicos > Trabajos Académicos por Centro > Facultad de Medicina
Trabajos académicos > Trabajos fin de grado