doi:10.1016/j.ciresp.2025.800124spaFernando Trebolle, JoséSolano Murillo, JorgeLobo Cobo, JesúsPellicer Lostao, CarmenValero Sabater, MónicaTirado Anglés, GabrielCantarero Carmona, IreneLuesma Bartolomé, María JoséDesarrollo y validación de algoritmo predictivo de la longitud total del intestino delgado con técnicas de inteligencia artificial para su aplicación en cirugía bariátricaART-2025-144693Objetivo. 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.2025http://zaguan.unizar.es/record/16211810.1016/j.ciresp.2025.800124http://zaguan.unizar.es/record/162118oai:zaguan.unizar.es:162118Cirugía Española (2025), 800124All rights reservedhttp://www.europeana.eu/rights/rr-f/info:eu-repo/semantics/closedAccess