Desarrollo, validación externa y despliegue de un algoritmo de predicción, basado en el aprendizaje automático, para la conversión de un reservorio Ommaya a una derivación permanente de líquido cefalorraquídeo en la hidrocefalia posthemorrágica del prematuro

• Autores: Miguel Sáez Alegre
• Directores de la Tesis: Javier Saceda Gutiérrez (dir. tes.), Fernando Carceller Benito (tut. tes.)
• Lectura: En la Universidad Autónoma de Madrid ( España ) en 2022
• Idioma: español
• Número de páginas: 234
• Tribunal Calificador de la Tesis: Alberto Isla Guerrero (presid.), Carlos Perez Lopez (secret.), Pablo Martín Munarriz (voc.), María Magdalena Hawkins Solís (voc.), Marcelo Budke Neukamp (voc.)
• Programa de doctorado: Programa de Doctorado en Medicina y Cirugía por la Universidad Autónoma de Madrid
• Materias:
  • Ciencias médicas
    • Cirugía
• Enlaces
  • Tesis en acceso abierto en: Biblos-e Archivo
• Resumen

  • Introducción: El reservorio Ommaya puede utilizarse para tratar la hidrocefalia secundaria a la hemorragia intraventricular del prematuro hasta que pueda obtenerse un peso aceptable para colocar una derivación permanente de LCR. La identificación precoz de los neonatos que no precisarán una derivación permanente de LCR puede mejorar el tratamiento de estos pacientes.

    Métodos: Estudio multicéntrico retrospectivo. Desarrollo de un algoritmo KNN (K-Nearest Neighbors) con un registro de pacientes prematuros, peso ≤ 1500g con hidrocefalia posthemorrágica (Grados III-IV de Papile, índice de Levene > 4 mm por encima del percentil 97) manejados con reservorio Ommaya en el Hospital La Paz (2002-2017). Validación interna mediante validación cruzada estratificada. Validación externa usando un registro de 16 pacientes del Hospital Gregorio Marañón (2011-2021), con idénticos criterios de inclusión y exclusión. Evaluación del rendimiento con sensibilidad, especificidad, área bajo la curva (AUC) y valor-F.

    Resultados: Se obtuvieron 41 pacientes para el desarrollo y 16 para la validación externa. Los datos de rendimiento del desarrollo del algoritmo mostraron: sensibilidad 93,33%, especificidad 50%, AUC 0,908 y Valor-F 0,807. Los resultados de la validación externa, con los datos del segundo centro muestran: sensibilidad 100%, especificidad 50%, AUC 0,875 y Valor-F 0,928.

    Conclusión: Se presenta el desarrollo y validación externa de un algoritmo predictor, basado en el machine learning, que permite identificar los neonatos que no precisarán una derivación permanente de LCR en la hidrocefalia posthemorrágica tratada mediante reservorio Ommaya, pudiendo contribuir así al mejor manejo de esta entidad.