Predicción de eventos cardiovasculares y hemorrágicos en pacientes con doble antiagregación con modelos machine learning

Abstract

[ES]El infarto agudo de miocardio es una de las enfermedades cardiovasculares con más impacto en la sociedad. Aunque el intervencionismo percutáneo temprano tiene unas tasas de éxito muy altas para tratar la enfermedad, los pacientes se enfrentan a continuación al riesgo de reinfarto. Una de las terapias utilizadas para disminuir la incidencia de este riesgo sobre los pacientes es la doble antiagregación plaquetaria. Dicha terapia se sigue por el paciente durante 12 meses y disminuye el riesgo de sufrir un reinfarto, pero aumenta el riesgo de que el paciente padezca una hemorragia interna. Haciendo uso de técnicas de estadística e inteligencia artificial se logró realizar una predicción del riesgo isquémico y hemorrágico de los pacientes tras sufrir el primer infarto, pudiendo estimar mejor el tiempo que los pacientes deben ser tratados con la terapia doble antiagregación. Para ello se utilizó un conjunto de datos procedente de tres estudios diferentes, logrando una variedad de datos idónea para el entrenamiento de modelos en machine learning. La base de datos está compuesta por los registros bleemacs, renami y un registro propio de los hospitales universitarios de Vigo y Murcia, de pacientes que han sufrido un infarto agudo de miocardio. Tras un análisis estadístico de la base de datos para observar la incidencia de ambas patologías en los pacientes a lo largo del tiempo, se generaron tres modelos diferentes de machine learning: logistic regresion, support vector machine y random forest; para la predicción del evento isquémico y hemorrágico a los 12 meses. Tras realizar un entrenamiento de los modelos con dos de los registros realizando una validación cruzada con repeticiones, se utilizó un tercer registro para validar los modelos generados anteriormente. Logrando obtener un área bajo la curva roc de 0.72 para la predicción de hemorragia y un 0.58 para la predicción de hemorragia.

[EN]Acute myocardial infarction is one of the cardiovascular diseases with the greatest impact on society. Although early percutaneous intervention has very high success rates in treating this disease, it increases chances of reinfarction. One of the therapies used to decrease the risk of reinfarction on patients is double platelet antiagregation, which is followed by the patient for 12 months and decreases the risk of reinfarction, but increases the risk of internal bleeding. Using statistical and artificial intelligence techniques, a prediction model of the ischemic and bleeding risk of patients after their first infarction was achieved, which can be used to better estimate the time patients must be treated with double antiaggregation therapy can be better estimated. A data set from three different studies was used for this purpose, achieving a variety of data suitable for model training in machine learning. The database is composed of the bleemacs, renami and a registry of patients who have suffered an acute myocardial infarction from the university hospitals of Vigo and Murcia. After a statistical analysis of the database to observe the incidence of both pathologies in patients over time, three different machine learning models were generated: logistic regression, support vector machine and random forest; for the prediction of the ischemic and hemorrhagic event at 12 months. After training the models with two of the records by performing a cross validation with repetitions, a third record was used to validate the previously generated models. Obtaining an area under the roc curve of 0.72 for bleeding prediction and 0.58 for reinfarction prediction.