000162118 001__ 162118 000162118 005__ 20251017144621.0 000162118 0247_ $$2doi$$a10.1016/j.ciresp.2025.800124 000162118 0248_ $$2sideral$$a144693 000162118 037__ $$aART-2025-144693 000162118 041__ $$aspa 000162118 100__ $$aFernando Trebolle, José$$uUniversidad de Zaragoza 000162118 245__ $$aDesarrollo y validación de algoritmo predictivo de la longitud total del intestino delgado con técnicas de inteligencia artificial para su aplicación en cirugía bariátrica 000162118 260__ $$c2025 000162118 5203_ $$aObjetivo. Desarrollar un modelo predictivo de la longitud total del intestino delgado para aplicar en cirugía bariátrica que permita individualizar la cirugía a cada paciente. Material y método. Dos tablas Excel® a partir de un archivo FileMaker. Phyton™ a través de un formato Notebook en Google™ Colaboratory. La metodología ha incluido transformación y escalado de datos (MinMaxScaler), clustering (machine learning no supervisado KMeans), interpolación de datos (machine learning sobremuestreo SMOTE), modelización (modelo PyCaret - XGBoost), y validación. Resultados. Muestra de 1.090 casos. Se han obtenido 3 clusters en los que incluir el conjunto de datos: longitud baja, media y alta. El algoritmo detecta pacientes del cluster c0 con una precisión del 62% y una sensibilidad del 74%, del cluster c1 con una precisión del 63% y una sensibilidad del 50%, y del cluster c2 con una precisión del 86% y una sensibilidad del 87%. La validación se ha realizado a partir de una muestra de 54 casos nuevos, mostrando unos resultados de precisión del 50% y una sensibilidad del 42% para el cluster c0, de puna recisión del 58% y una sensibilidad del 61% para el cluster c1, y de una precisión del 30% y una sensibilidad del 43% para el cluster c2. Conclusiones. El desarrollo de un algoritmo predictivo para conocer la longitud total del intestino delgado a través de técnicas de clustering y machine learning, y la clasificación XGBoost es factible, aplicable, y potencialmente mejorable si se cuenta con más datos tanto en número de pacientes, como en variables a considerar. 000162118 540__ $$9info:eu-repo/semantics/closedAccess$$aAll rights reserved$$uhttp://www.europeana.eu/rights/rr-f/ 000162118 655_4 $$ainfo:eu-repo/semantics/article$$vinfo:eu-repo/semantics/acceptedVersion 000162118 700__ $$aSolano Murillo, Jorge 000162118 700__ $$aLobo Cobo, Jesús 000162118 700__ $$aPellicer Lostao, Carmen 000162118 700__ $$aValero Sabater, Mónica 000162118 700__ $$aTirado Anglés, Gabriel 000162118 700__ $$aCantarero Carmona, Irene 000162118 700__ $$0(orcid)0000-0003-4071-1467$$aLuesma Bartolomé, María José$$uUniversidad de Zaragoza 000162118 7102_ $$11003$$2027$$aUniversidad de Zaragoza$$bDpto. Anatom.Histolog.Humanas$$cArea Anatom.Embriol.Humana 000162118 7102_ $$11013$$2090$$aUniversidad de Zaragoza$$bDpto. Cirugía$$cÁrea Cirugía 000162118 773__ $$g(2025), 800124$$pCir. Esp.$$tCirugía Española$$x0009-739X 000162118 8564_ $$s999940$$uhttps://zaguan.unizar.es/record/162118/files/texto_completo.pdf$$yPostprint 000162118 8564_ $$s2192268$$uhttps://zaguan.unizar.es/record/162118/files/texto_completo.jpg?subformat=icon$$xicon$$yPostprint 000162118 909CO $$ooai:zaguan.unizar.es:162118$$particulos$$pdriver 000162118 951__ $$a2025-10-17-14:21:43 000162118 980__ $$aARTICLE