Desarrollo de un modelo de predicción de supervivencia basado en aprendizaje automático para la ELA que incluye a la población en etapa avanzada
Ref.: 10.1080/21678421.2026.2652322
La esclerosis lateral amiotrófica (ELA) se caracteriza por una notable heterogeneidad en su progresión, lo que dificulta la capacidad para predecir con exactitud la evolución de cada paciente. Esta diversidad ha representado un obstáculo significativo en el éxito de los ensayos clínicos, ya que aproximadamente el 60 % de las personas afectadas son excluidas por encontrarse en etapas avanzadas de la enfermedad. Generalmente, estos pacientes presentan una capacidad vital (volumen máximo de aire que una persona puede expulsar de los pulmones tras una inhalación profunda) igual o inferior al 50 % de los valores normales. El estudio aborda esta carencia mediante el desarrollo de un sistema de inteligencia artificial capaz de identificar patrones diseñado para pronosticar la supervivencia, incluyendo de manera específica a pacientes en fases avanzadas con función respiratoria comprometida.
Para la construcción de esta herramienta, los investigadores integraron datos de 7.574 pacientes procedentes de dos fuentes principales. Se utilizó la base de datos PRO-ACT, con 6.896 registros de personas en etapas tempranas, y se suplementó con un grupo de 678 pacientes de la Universidad de Emory (EE. UU.) que cumplían con el criterio de capacidad vital reducida. El proceso se ejecutó en varias etapas: primero, se empleó un modelo de bosque aleatorio, una técnica que combina múltiples escenarios de decisión para mejorar la precisión, con el fin de identificar las variables clínicas con mayor peso en el pronóstico. Posteriormente, se entrenó una máquina de potenciación del gradiente, un algoritmo que perfecciona sus predicciones de forma repetitiva, para generar puntuaciones de riesgo individualizadas. Finalmente, el modelo fue validado externamente utilizando un grupo independiente de 403 pacientes con enfermedad avanzada, asegurando que su capacidad de predicción fuera aplicable a casos del mundo real.
Los resultados revelan que los indicadores respiratorios poseen la mayor relevancia relativa (RI) para determinar la supervivencia. El ritmo de descenso de la capacidad vital porcentual fue el factor determinante más importante con un 20,2 %, seguido por la edad (12,4%), el valor de la capacidad vital porcentual basal (9,9 %), la capacidad vital medida en litros (7,5 %) y la puntuación total en la escala funcional de la enfermedad (6,6 %). En cuanto a la solidez estadística, el modelo alcanzó un índice C de 0,709 en la validación externa (donde 1 es la precisión total) , con un intervalo de confianza del 95 %.
La relevancia de este avance radica en su capacidad para estratificar a los pacientes en tres niveles de riesgo con gran precisión. A los ocho meses de seguimiento, el estudio observó probabilidades de supervivencia del 85 % para el grupo de bajo riesgo, del 69 % para el riesgo promedio y del 43 % para el grupo de alto riesgo. Esta capacidad de pronóstico es fundamental para el diseño de ensayos clínicos más inclusivos, permitiendo evaluar nuevas terapias incluso en pacientes con insuficiencia respiratoria severa.
Sin duda, el desarrollo de estos modelos matemáticos ofrece una visión más clara sobre los factores individuales que impulsan la enfermedad y proporciona una base sólida para que la investigación siga avanzando hacia tratamientos más efectivos y personalizados para todas las personas que conviven con ELA.